Test legat de ghid · Mediu Nivel

Test cu agenți de reflecție și auto-corecții

Review Reflexion’s verbal feedback loop, evaluator, episodic memory, benchmark scope, and risks of unreliable feedback. Check evidence and limits.

Căi de ghidare aferenteAgenți de reflexie și auto-corecții
Întrebare 1 de 8

Care este caracteristica definitorie a modului în care un agent de reflexie „învață”?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Care este caracteristica definitorie a modului în care un agent de reflexie „învață”?
    • Stochează reflecțiile scrise în context fără a modifica greutățile modelului
    • Actualizează greutățile modelului prin reglaj fin
    • Descarcă o nouă versiune de model după fiecare defecțiune
    • Îi cere unui om să-și reeticheteze datele de antrenament
  2. În cadrul Reflexiei, ce face Evaluatorul?
    • Acesta generează următoarea acțiune a agentului
    • Ea punctează rezultatul unei încercări de a produce un semnal de feedback
    • Şterge amintirile vechi pentru a economisi spaţiu
    • Traduce sarcina într-o altă limbă
  3. De ce contează atât de mult calitatea semnalului de evaluare în Reflex?
    • Pentru că determină rata de învățare a modelului
    • Pentru că decide câte GPU-uri sunt folosite
    • Pentru că un semnal greșit îl poate face pe agent să reflecteze și să întărească lecțiile incorecte
    • Pentru că setează temperatura modelului de limbaj
  4. On which coding benchmark did the Reflexion paper report a 91% pass@1 result?
    • ImageNet
    • COCO detection
    • WMT translation
    • HumanEval
  5. Care este un risc deschis real cu agenții de autocorecție?
    • Ele pot bucla la nesfârșit „reparând” ieșirea care era deja corectă
    • Au nevoie de date etichetate pentru fiecare token
    • Nu pot rula pe hardware standard
    • Ei corup permanent modelul de bază
  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