แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการทบทวนตนเองใน Agent Loops

ตรวจสอบว่าการสะท้อนของเจ้าหน้าที่ใช้ประวัติการดำเนินการ ผลตอบรับจากภายนอก หน่วยความจำตอน และการวิจารณ์เพื่อเป็นแนวทางในการพยายามอีกครั้งอย่างไร

เส้นทางแนะนำที่เกี่ยวข้องการสะท้อนตนเองในเอเจนต์ลูป
คำถาม 1 ของ 8

การสะท้อนตนเองเพิ่มอะไรให้กับเอเจนต์ลูปมาตรฐาน

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. การสะท้อนตนเองเพิ่มอะไรให้กับเอเจนต์ลูปมาตรฐาน
    • ขั้นตอนที่จงใจซึ่งโมเดลจะวิจารณ์งานของตัวเองก่อนดำเนินการต่อ
    • โมเดลที่เร็วกว่าซึ่งข้ามการเรียกเครื่องมือ
    • หน้าต่างบริบทที่ใหญ่ขึ้นโดยอัตโนมัติ
    • เจ้าหน้าที่ตรวจสอบทุกขั้นตอน
  2. ในกรอบงาน Reflexion การวิจารณ์ตนเองของโมเดลถูกเก็บไว้ที่ไหน
    • ในการปรับตุ้มน้ำหนักแบบละเอียดของโมเดล
    • ในบัฟเฟอร์หน่วยความจำแบบตอนที่ใช้ข้ามความพยายาม
    • ในฐานข้อมูลแยกต่างหาก โมเดลไม่สามารถอ่านได้
    • พวกเขาจะถูกละทิ้งหลังจากแต่ละขั้นตอน
  3. สัญญาณตอบรับสำหรับการสะท้อนใดมีแนวโน้มที่จะเชื่อถือได้มากที่สุด?
    • ความมั่นใจของนางแบบเองเพียงอย่างเดียว
    • ความยาวของคำตอบก่อนหน้า
    • สัญญาณภายนอก เช่น ผลการทดสอบหรือข้อความแสดงข้อผิดพลาดของเครื่องมือ
    • เวลาที่ใช้ในการตอบสนอง
  4. โหมดความล้มเหลวของการสะท้อนตนเองที่ทราบคืออะไร?
    • มันทำให้โมเดลช้ากว่ามนุษย์เสมอ
    • มันทำให้ข้อมูลการฝึกเสียหายอย่างถาวร
    • สามารถใช้สำหรับงานด้านรูปภาพเท่านั้น
    • แบบจำลองอาจยืนยันอย่างมั่นใจว่าคำตอบที่ผิดนั้นถูกต้อง
  5. โดยทั่วไปแนวทางการปรับปรุงตนเองจะสร้างผลตอบรับได้อย่างไร
    • โดยใช้แบบจำลองเดียวกันมาวิจารณ์แล้วเขียนผลลัพธ์ของตัวเองใหม่
    • โดยการสืบค้น API ของบริษัทอื่น
    • โดยขอให้ผู้ใช้ให้คะแนนแต่ละโทเค็น
    • โดยปิดการใช้งานเครื่องมือทั้งหมด
  6. เหตุใดการสะท้อนกลับจึงมีคุณค่าเป็นพิเศษสำหรับงานที่มีหลายขั้นตอน เช่น การเขียนโค้ดหรือการนำทางเว็บ
    • เพราะงานเหล่านี้ไม่เคยก่อให้เกิดข้อผิดพลาด
    • เพราะความพยายามในการส่งผ่านครั้งเดียวมักจะล้มเหลว แต่การวิจารณ์และลองอีกครั้งจะสำเร็จ
    • เนื่องจากการสะท้อนทำให้ไม่จำเป็นต้องใช้เครื่องมือใดๆ
    • เพราะมันทำให้ไม่จำเป็นต้องมีเป้าหมายอีกต่อไป
  7. In a reflection loop, why is a failing unit test useful evidence for the next attempt?
    • It proves the model’s self-critique is correct
    • It updates model weights automatically
    • It provides an external, concrete signal about which behavior did not meet the requirement
    • It guarantees the entire program is wrong
  8. If an agent stores a critique in memory but does not fine-tune its model, how can that critique affect the next attempt?
    • It changes the base model’s parameters permanently
    • It changes the programming language
    • It disables the external tool
    • It can be retrieved and inserted into the next prompt as context