120 lines
2.4 KiB
Plaintext
120 lines
2.4 KiB
Plaintext
# 快速自测（不计分）[[quiz2]]
|
||
|
||
|
||
什么？！还有测验？我们理解，我们理解... 😅 但这个简短的不计分测验旨在**帮助您巩固刚学习的关键概念**。
|
||
|
||
本测验涵盖大型语言模型（LLMs）、消息系统和工具——这些是理解和构建 AI 智能体的核心组件。
|
||
|
||
### 问题1：以下哪项最能描述 AI 工具？
|
||
|
||
<Question
|
||
choices={[
|
||
{
|
||
text: "仅生成文本响应的流程",
|
||
explain: "",
|
||
},
|
||
{
|
||
text: "允许智能体执行特定任务并与外部环境交互的可执行流程或外部 API",
|
||
explain: "工具是可执行函数，智能体可用其执行特定任务并与外部环境交互",
|
||
correct: true
|
||
},
|
||
{
|
||
text: "存储智能体对话的功能",
|
||
explain: ""
|
||
}
|
||
]}
|
||
/>
|
||
|
||
---
|
||
|
||
### 问题2： AI 智能体如何将工具作为"行动"在环境中使用？
|
||
|
||
<Question
|
||
choices={[
|
||
{
|
||
text: "通过被动等待用户指令",
|
||
explain: "",
|
||
},
|
||
{
|
||
text: "仅使用预编程响应",
|
||
explain: "",
|
||
},
|
||
{
|
||
text: "在适当时要求 LLM 生成工具调用代码并代表模型运行工具",
|
||
explain: "智能体可调用工具，并根据获得的信息进行规划与重新规划",
|
||
correct: true
|
||
}
|
||
]}
|
||
/>
|
||
|
||
---
|
||
|
||
### 问题3：什么是大语言模型（LLM）？
|
||
|
||
<Question
|
||
choices={[
|
||
{
|
||
text: "使用预定义答案进行回复的简单聊天机器人",
|
||
explain: "",
|
||
},
|
||
{
|
||
text: "通过大量文本训练的深度学习模型，能理解并生成类人语言",
|
||
explain: "",
|
||
correct: true
|
||
},
|
||
{
|
||
text: "遵循严格预定义命令的基于规则 AI",
|
||
explain: ""
|
||
}
|
||
]}
|
||
/>
|
||
|
||
---
|
||
|
||
### 问题4：以下哪项最能描述特殊标记（special tokens）在 LLMs 中的作用？
|
||
|
||
<Question
|
||
choices={[
|
||
{
|
||
text: "存储在模型词汇表中用于提升文本生成质量的附加词汇",
|
||
explain: "",
|
||
},
|
||
{
|
||
text: "用于实现特定功能，例如标记序列结束（EOS）或区分聊天模型中的不同消息角色",
|
||
explain: "",
|
||
correct: true
|
||
},
|
||
{
|
||
text: "随机插入用于提高响应多样性的标记",
|
||
explain: ""
|
||
}
|
||
]}
|
||
/>
|
||
|
||
---
|
||
|
||
### 问题5： AI 聊天模型如何处理用户消息的内部流程？
|
||
|
||
<Question
|
||
choices={[
|
||
{
|
||
text: "直接将消息作为结构化命令解析且不做转换",
|
||
explain: "",
|
||
},
|
||
{
|
||
text: "通过将系统消息、用户消息和助手消息拼接成格式化提示",
|
||
explain: "",
|
||
correct: true
|
||
},
|
||
{
|
||
text: "根据历史对话随机生成响应",
|
||
explain: ""
|
||
}
|
||
]}
|
||
/>
|
||
|
||
---
|
||
|
||
|
||
都明白了吗？很好！现在让我们**深入完整的智能体流程，开始构建你的第一个 AI 智能体！**
|