Quiz collegato alla guida · Medio Livello

Quiz sugli agenti riflessivi e autocorrettivi

Esamina il ciclo di feedback verbale di Reflexion, il valutatore, la memoria episodica, l'ambito del benchmark e i rischi di feedback inaffidabile. Controllare prove e limiti.

Domanda 1 di 8

Qual è la caratteristica distintiva di come un agente di riflessione "impara"?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Qual è la caratteristica distintiva di come un agente di riflessione "impara"?
    • Memorizza le riflessioni scritte nel contesto senza modificare i pesi del modello
    • Aggiorna i pesi del modello attraverso la messa a punto
    • Scarica una nuova versione del modello dopo ogni errore
    • Chiede a un essere umano di rietichettare i suoi dati di addestramento
  2. Nel quadro della Riflessione, cosa fa il Valutatore?
    • Genera l'azione successiva dell'agente
    • Valuta il risultato di un tentativo di produrre un segnale di feedback
    • Cancella i vecchi ricordi per risparmiare spazio
    • Traduce l'attività in un'altra lingua
  3. Perché la qualità del segnale di valutazione è così importante in Reflexion?
    • Perché determina il tasso di apprendimento del modello
    • Perché decide quante GPU vengono utilizzate
    • Perché un segnale sbagliato può far riflettere l'agente e rafforzare lezioni errate
    • Perché imposta la temperatura del modello linguistico
  4. On which coding benchmark did the Reflexion paper report a 91% pass@1 result?
    • ImageNet
    • COCO detection
    • WMT translation
    • Valutazione umana
  5. Qual è un vero rischio aperto con agenti autocorrettivi?
    • Possono ripetere all'infinito l'output "corretto" che era già corretto
    • Richiedono dati etichettati per ogni token
    • Non possono essere eseguiti su hardware standard
    • Corrompono permanentemente il modello 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