Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Reflexiós és önjavító szerek kvíz
Review Reflexion’s verbal feedback loop, evaluator, episodic memory, benchmark scope, and risks of unreliable feedback. Check evidence and limits.
kérdés 1 -ból 8
Mi a meghatározó jellemzője a reflexiós ágens „tanulásának”?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mi a meghatározó jellemzője a reflexiós ágens „tanulásának”?
- Az írott tükröződéseket kontextusban tárolja a modell súlyának megváltoztatása nélkül
- Finomhangolással frissíti a modell súlyait
- Minden hiba után letölt egy új modellverziót
- Megkéri az embert, hogy címkézze fel az edzési adatait
- Mit csinál az értékelő a Reflexió keretrendszerben?
- Ez generálja az ügynök következő műveletét
- Pontozza a visszacsatolási jel létrehozására tett kísérlet eredményét
- A helytakarékosság érdekében törli a régi emlékeket
- Lefordítja a feladatot egy másik nyelvre
- Miért számít annyira a kiértékelő jel minősége a Reflexióban?
- Mert ez határozza meg a modell tanulási sebességét
- Mert ez dönti el, hogy hány GPU-t használnak
- Mert egy rossz jelzés arra késztetheti az ügynököt, hogy elgondolkodjon a helytelen leckéken, és megerősítse azokat
- Mert ez állítja be a nyelvi modell hőmérsékletét
- On which coding benchmark did the Reflexion paper report a 91% pass@1 result?
- ImageNet
- COCO detection
- WMT translation
- HumanEval
- Melyik valódi nyílt kockázat az önkorrekciós szerekkel?
- Végtelenül hurkolhatják a már helyes kimenetet
- Minden tokenhez címkézett adatra van szükség
- Nem futhatnak szabványos hardveren
- Véglegesen megrontják az alapmodellt
- 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
- 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
- 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