ガイド連動クイズ · 中 レベル

反射と自己修正エージェントのクイズ

Reflexion の口頭フィードバック ループ、評価者、エピソード記憶、ベンチマーク範囲、および信頼性の低いフィードバックのリスクを確認します。証拠と限界を確認してください。

関連するガイドパス反射と自己修正のエージェント
質問 1 の 8

Reflexion エージェントが「学習」する方法の決定的な特徴は何ですか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. Reflexion エージェントが「学習」する方法の決定的な特徴は何ですか?
    • モデルの重みを変更せずに、書き込まれたリフレクションをコンテキスト内に保存します
    • 微調整を通じてモデルの重みを更新します。
    • 失敗するたびに新しいモデルのバージョンをダウンロードします
    • 人間にトレーニングデータのラベルを付け直すよう依頼します
  2. リフレクション フレームワークでは、評価者は何をしますか?
    • エージェントの次のアクションを生成します
    • フィードバック信号を生成しようとする試みの結果をスコア化します。
    • 古い記憶を削除してスペースを節約します
    • タスクを別の言語に翻訳します
  3. Reflexion ではなぜ評価信号の品質がそれほど重要なのでしょうか?
    • モデルの学習率を決定するため
    • 使用するGPUの数を決定するため
    • 間違った信号はエージェントに反省させ、間違ったレッスンを強化させる可能性があるため
    • 言語モデルの温度を設定するため
  4. On which coding benchmark did the Reflexion paper report a 91% pass@1 result?
    • イメージネット
    • COCO detection
    • WMT translation
    • HumanEval
  5. 自己修正エージェントによる真の未解決リスクはどれですか?
    • すでに正しい出力を「修正」することを無限にループする可能性があります
    • すべてのトークンにラベル付きデータが必要です
    • 標準のハードウェアでは実行できません
    • 基本モデルを永久に破壊します
  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