परावर्तन और स्व-सुधार करने वाले एजेंट प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. एक रिफ्लेक्सियन एजेंट 'सीखता' कैसे है इसकी परिभाषित विशेषता क्या है?
   • यह मॉडल भार को बदले बिना संदर्भ में लिखित प्रतिबिंब संग्रहीत करता है
   • यह फाइन-ट्यूनिंग के माध्यम से मॉडल के वजन को अद्यतन करता है
   • यह प्रत्येक विफलता के बाद एक नया मॉडल संस्करण डाउनलोड करता है
   • यह मनुष्य से अपने प्रशिक्षण डेटा को पुनः लेबल करने के लिए कहता है
2. रिफ्लेक्सियन फ्रेमवर्क में, मूल्यांकनकर्ता क्या करता है?
   • यह एजेंट की अगली कार्रवाई उत्पन्न करता है
   • यह फीडबैक सिग्नल उत्पन्न करने के प्रयास के परिणाम को स्कोर करता है
   • यह स्थान बचाने के लिए पुरानी यादें हटा देता है
   • यह कार्य को दूसरी भाषा में अनुवादित करता है
3. रिफ्लेक्सियन में मूल्यांकन संकेत की गुणवत्ता इतनी अधिक क्यों मायने रखती है?
   • क्योंकि यह मॉडल की सीखने की दर निर्धारित करता है
   • क्योंकि यह तय करता है कि कितने GPU का उपयोग किया जाएगा
   • क्योंकि एक गलत संकेत एजेंट को गलत पाठों पर विचार करने और उन्हें सुदृढ़ करने पर मजबूर कर सकता है
   • क्योंकि यह भाषा मॉडल का तापमान निर्धारित करता है
4. On which coding benchmark did the Reflexion paper report a 91% pass@1 result?
   • इमेजनेट
   • COCO detection
   • WMT translation
   • ह्यूमनएवल
5. स्व-सुधार एजेंटों के साथ वास्तविक खुला जोखिम कौन सा है?
   • वे उस आउटपुट को अंतहीन रूप से 'फिक्सिंग' कर सकते हैं जो पहले से ही सही था
   • उन्हें प्रत्येक टोकन के लिए लेबल किए गए डेटा की आवश्यकता होती है
   • वे मानक हार्डवेयर पर नहीं चल सकते
   • वे बेस मॉडल को स्थायी रूप से भ्रष्ट कर देते हैं
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