Quiz dotyczący refleksów i środków samokorygujących

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jaka jest charakterystyczna cecha tego, jak agent refleksyjny „uczy się”?
   • Przechowuje pisemne refleksje w kontekście bez zmiany wagi modelu
   • Aktualizuje wagę modelu poprzez dostrajanie
   • Po każdej awarii pobiera nową wersję modelu
   • Prosi człowieka o ponowne oznaczenie danych szkoleniowych
2. Co w ramach Refleksji robi Ewaluator?
   • Generuje następną akcję agenta
   • Ocenia wynik próby wytworzenia sygnału zwrotnego
   • Usuwa stare wspomnienia, aby zaoszczędzić miejsce
   • Tłumaczy zadanie na inny język
3. Dlaczego jakość sygnału ewaluacyjnego ma tak duże znaczenie w Reflexion?
   • Ponieważ determinuje szybkość uczenia się modelu
   • Ponieważ decyduje o liczbie używanych procesorów graficznych
   • Ponieważ zły sygnał może skłonić agenta do refleksji i utrwalenia błędnych lekcji
   • Ponieważ ustawia temperaturę modelu języka
4. On which coding benchmark did the Reflexion paper report a 91% pass@1 result?
   • ImageNet
   • COCO detection
   • WMT translation
   • HumanEval
5. Które ryzyko jest rzeczywiście otwarte w przypadku środków samokorygujących?
   • Mogą w nieskończoność zapętlać „naprawianie” wyników, które były już poprawne
   • Wymagają oznaczonych danych dla każdego tokena
   • Nie mogą działać na standardowym sprzęcie
   • Trwale uszkadzają model podstawowy
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