Quiz lié à un guide · Moyen Niveau

Quiz de réflexion et d'autocorrection des agents

Passez en revue la boucle de rétroaction verbale de Reflexion, l’évaluateur, la mémoire épisodique, la portée de référence et les risques de rétroaction peu fiable. Vérifiez les preuves et les limites.

Chemins de guidage associésAgents de réflexion et d'autocorrection
Question 1 de 8

Quelle est la caractéristique déterminante de la façon dont un agent Reflexion « apprend » ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Quelle est la caractéristique déterminante de la façon dont un agent Reflexion « apprend » ?
    • Il stocke les réflexions écrites dans leur contexte sans modifier les poids du modèle
    • Il met à jour les poids du modèle grâce à un réglage fin
    • Il télécharge une nouvelle version du modèle après chaque échec
    • Il demande à un humain de réétiqueter ses données d'entraînement
  2. Dans le cadre de Réflexion, que fait l’Évaluateur ?
    • Il génère la prochaine action de l'agent
    • Il note le résultat d'une tentative de production d'un signal de rétroaction
    • Il supprime les anciens souvenirs pour économiser de l'espace
    • Il traduit la tâche dans une autre langue
  3. Pourquoi la qualité du signal d’évaluation est-elle si importante dans Reflexion ?
    • Parce qu'il détermine le taux d'apprentissage du modèle
    • Parce qu'il décide du nombre de GPU utilisés
    • Parce qu’un mauvais signal peut amener l’agent à réfléchir et à renforcer des leçons incorrectes
    • Parce qu'il fixe la température du modèle de langage
  4. On which coding benchmark did the Reflexion paper report a 91% pass@1 result?
    • ImageNet
    • COCO detection
    • WMT translation
    • HumanEval
  5. Quel est le véritable risque ouvert avec les agents autocorrecteurs ?
    • Ils peuvent boucler à l'infini une sortie qui était déjà correcte.
    • Ils nécessitent des données étiquetées pour chaque jeton
    • Ils ne peuvent pas fonctionner sur du matériel standard
    • Ils corrompent définitivement le modèle de base
  6. Where does Reflexion keep feedback for a later attempt?
    • In updated model weights
    • In an episodic memory buffer supplied as text context
    • In a hardware cache shared across users
    • In the original training corpus
  7. What is the role of the Actor in Reflexion?
    • It changes the base model weights
    • It authenticates citations automatically
    • It generates the actions or attempt for the task
    • It sets the benchmark score after the run
  8. What kinds of feedback can Reflexion use?
    • Only gradient updates from fine-tuning
    • Only human ratings in every task
    • Only token likelihood from pretraining
    • Signals such as scalar outcomes or language feedback from external or simulated sources