Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Câu đố về phản xạ và tự sửa lỗi

Xem lại vòng phản hồi bằng lời nói, người đánh giá, trí nhớ theo từng giai đoạn, phạm vi điểm chuẩn và rủi ro của phản hồi không đáng tin cậy của Reflexion. Kiểm tra bằng chứng và giới hạn.

Đường dẫn hướng dẫn liên quanTác nhân phản xạ và tự điều chỉnh
Câu hỏi 1 của 8

Đặc điểm xác định cách tác nhân Phản xạ 'học' là gì?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Đặc điểm xác định cách tác nhân Phản xạ 'học' là gì?
    • Nó lưu trữ các phản ánh bằng văn bản trong ngữ cảnh mà không thay đổi trọng lượng mô hình
    • Nó cập nhật trọng số của mô hình thông qua việc tinh chỉnh
    • Nó tải xuống một phiên bản mô hình mới sau mỗi lần thất bại
    • Nó yêu cầu con người dán nhãn lại dữ liệu đào tạo của mình
  2. Trong khuôn khổ Phản ánh, Người đánh giá làm gì?
    • Nó tạo ra hành động tiếp theo của tác nhân
    • Nó cho điểm kết quả của nỗ lực tạo ra tín hiệu phản hồi
    • Nó xóa những kỷ niệm cũ để tiết kiệm không gian
    • Nó dịch nhiệm vụ sang ngôn ngữ khác
  3. Tại sao chất lượng của tín hiệu đánh giá lại quan trọng đến vậy trong Reflexion?
    • Bởi vì nó quyết định tốc độ học của mô hình
    • Vì nó quyết định số lượng GPU được sử dụng
    • Vì một tín hiệu sai có thể khiến tác nhân suy ngẫm và củng cố những bài học sai
    • Bởi vì nó đặt nhiệt độ của mô hình ngôn ngữ
  4. On which coding benchmark did the Reflexion paper report a 91% pass@1 result?
    • ImageNet
    • COCO detection
    • WMT translation
    • Con ngườiEval
  5. Đâu là rủi ro mở thực sự với các tác nhân tự điều chỉnh?
    • Họ có thể lặp lại vô tận đầu ra 'sửa' đã đúng
    • Họ yêu cầu dữ liệu được gắn nhãn cho mỗi mã thông báo
    • Chúng không thể chạy trên phần cứng tiêu chuẩn
    • Họ làm hỏng vĩnh viễn mô hình cơ sở
  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