Gids-gekoppelde quiz · Middelmatig Niveau

Quiz over reflectie en zelfcorrigerende agenten

Beoordeel Reflexion’s verbale feedback‑lus, evaluator, episodisch geheugen, benchmark‑scope, en risico’s van onbetrouwbare feedback. Controleer bewijs en limieten.

Vraag 1 van 8

Wat is het bepalende kenmerk van de manier waarop een reflexieagent 'leert'?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat is het bepalende kenmerk van de manier waarop een reflexieagent 'leert'?
    • Het slaat geschreven reflecties in context op zonder de modelgewichten te veranderen
    • Het werkt de gewichten van het model bij door middel van fijnafstemming
    • Na elke fout wordt een nieuwe modelversie gedownload
    • Het vraagt een mens om zijn trainingsgegevens opnieuw te labelen
  2. Wat doet de Evaluator in het Reflexion-raamwerk?
    • Het genereert de volgende actie van de agent
    • Het scoort de uitkomst van een poging om een feedbacksignaal te produceren
    • Het verwijdert oude herinneringen om ruimte te besparen
    • Het vertaalt de taak in een andere taal
  3. Waarom is de kwaliteit van het evaluatiesignaal zo belangrijk in Reflexion?
    • Omdat het de leersnelheid van het model bepaalt
    • Omdat het bepaalt hoeveel GPU's er worden gebruikt
    • Omdat een verkeerd signaal de agent kan doen nadenken over onjuiste lessen en deze kan versterken
    • Omdat het de temperatuur van het taalmodel bepaalt
  4. On which coding benchmark did the Reflexion paper report a 91% pass@1 result?
    • BeeldNet
    • COCO detection
    • WMT translation
    • MenselijkEval
  5. Wat is een echt open risico bij zelfcorrigerende middelen?
    • Ze kunnen eindeloos een lus maken en uitvoer die al correct was, 'repareren'
    • Ze vereisen gelabelde gegevens voor elk token
    • Ze kunnen niet op standaardhardware draaien
    • Ze corrumperen het basismodel permanent
  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