Questionário vinculado ao guia · Médio Nível

Questionário sobre agentes de reflexão e autocorreção

Revise o ciclo de feedback verbal, o avaliador, a memória episódica, o escopo do benchmark e os riscos de feedback não confiável do Reflexion. Verifique evidências e limites.

Caminhos de guia relacionadosAgentes de reflexão e autocorreção
Pergunta 1 de 8

Qual é a característica definidora de como um agente de Reflexão 'aprende'?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. Qual é a característica definidora de como um agente de Reflexão 'aprende'?
    • Armazena reflexões escritas no contexto sem alterar os pesos do modelo
    • Atualiza os pesos do modelo através de ajuste fino
    • Ele baixa uma nova versão do modelo após cada falha
    • Ele pede a um humano para renomear seus dados de treinamento
  2. No quadro da Reflexão, o que faz o Avaliador?
    • Gera a próxima ação do agente
    • Ele pontua o resultado de uma tentativa de produzir um sinal de feedback
    • Exclui memórias antigas para economizar espaço
    • Ele traduz a tarefa para outro idioma
  3. Por que a qualidade do sinal de avaliação é tão importante no Reflexion?
    • Porque determina a taxa de aprendizagem do modelo
    • Porque decide quantas GPUs serão usadas
    • Porque um sinal errado pode fazer o agente refletir e reforçar lições incorretas
    • Porque define a temperatura do modelo de linguagem
  4. On which coding benchmark did the Reflexion paper report a 91% pass@1 result?
    • ImageNet
    • COCO detection
    • WMT translation
    • Avaliação Humana
  5. Qual é um risco aberto genuíno com agentes autocorretivos?
    • Eles podem fazer um loop infinito de 'consertar' a saída que já estava correta
    • Eles exigem dados rotulados para cada token
    • Eles não podem ser executados em hardware padrão
    • Eles corrompem permanentemente o modelo básico
  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