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.
- 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
- 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
- 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
- On which coding benchmark did the Reflexion paper report a 91% pass@1 result?
- ImageNet
- COCO detection
- WMT translation
- Valutazione umana
- 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
- 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