اختبار مرتبط بالدليل · متوسط المستوى
اختبار نمذجة السياق الطويل
مراجعة نوافذ السياق، وتكاليف الانتباه، والاسترجاع الحساس للموضع، وFlashAttention، وتقييمات الاستخدام الفعال للسياق.
سؤال 1 من 8
ما الذي تشير إليه "نافذة السياق" الخاصة بالنموذج؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- ما الذي تشير إليه "نافذة السياق" الخاصة بالنموذج؟
- الحد الأقصى لعدد الرموز التي يمكن أن يحضرها في تمريرة واحدة
- حجم شاشة واجهة الدردشة
- عدد المستخدمين المسموح به في وقت واحد
- كم من الوقت تم تدريب النموذج
- لماذا يصبح الاهتمام الذاتي القياسي مكلفًا بالنسبة للمدخلات الطويلة؟
- ينمو خطيًا ورخيصًا دائمًا
- ينمو حسابها وذاكرتها بشكل تربيعي مع طول التسلسل
- لا يمكنه قراءة أكثر من رمز واحد
- إنه يعمل فقط على الصور
- ما هي مشكلة "الضياع في المنتصف"؟
- تنسى العارضات تدريبهن بالكامل
- يمكن للنماذج قراءة منتصف المستند فقط
- تتذكر النماذج المعلومات الموجودة في بداية ونهاية المدخلات الطويلة بشكل أفضل من الحقائق المدفونة في المنتصف
- نماذج تترجم الوسط إلى لغة أخرى
- ما الذي يحسّنه FlashAttention بشكل أساسي؟
- فهو يجعل إخراج النموذج نصًا أطول
- ويضيف المزيد من بيانات التدريب تلقائيا
- فهو يزيل الحاجة إلى أي اهتمام
- إنه يقلل من عنق الزجاجة في الذاكرة من خلال حساب متجانب مدرك للإدخال
- ما هو الدور الذي تلعبه عمليات تضمين الموضع الدوار (RoPE) في نماذج السياق الطويل؟
- فهي تقوم بتشفير مواضع الرمز، ومع الاستيفاء، تساعد في التعميم على تسلسلات أطول
- يقومون بحذف الرموز المميزة من الإدخال
- يترجمون النص بين اللغات
- يقومون بتخزين أوزان النموذج
- What does prompt-cache research reuse across compatible requests?
- The final answer regardless of the new query
- Computed attention state for reusable prompt segments
- A fixed set of token IDs without model computation
- The model’s training data
- What does the RULER benchmark add beyond locating one isolated “needle” fact?
- تصنيف الصور فقط
- Audio transcription from waveforms
- Tasks such as multi-hop tracing and aggregation over long contexts
- GPU memory allocation benchmarks
- Why test several task types when measuring a model’s effective context length?
- Every task uses the same computation
- The advertised window guarantees all tasks work
- Task type never affects context use
- A model may handle simple retrieval yet fail to combine or track information across a long input