Тест, свързан с ръководство · Среден Ниво

Магически AI тест за модели на код с дълъг контекст

Разгледайте LTM моделите на Magic, извличането на дълъг контекст, оценките на HashHop, разсъжденията на кодовата база и проблема с разходите, към който е насочен техният алгоритъм за последователност.

Свързани ръководни пътекиМагически AI модели с дълъг контекст на код
Въпрос 1 на 8

What software-development direction has Magic said it is pursuing?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. What software-development direction has Magic said it is pursuing?
    • Developing AI models and agents for software-engineering tasks
    • Replacing all software repositories with image datasets
    • Building a spreadsheet-only OCR service
    • Generating code without considering project context
  2. What maximum context capacity did Magic announce for LTM-2-mini in August 2024?
    • Up to 100 thousand tokens
    • До 100 милиона токена
    • Up to 1 million tokens
    • Up to 10 billion tokens
  3. What does Magic use HashHop to evaluate?
    • How well a model predicts a familiar fact from pretraining
    • Whether generated source code passes every production test
    • Retrieval and chaining over random hash pairs placed in a supplied long context
    • How quickly a model compiles a new programming language
  4. Защо наивното трансформиращо внимание е проблем за контексти от 100 милиона токена?
    • Нищо не струва
    • Работи само офлайн
    • Изтрива въведеното
    • Той се мащабира квадратично с дължината на последователността, ставайки непосилно скъп
  5. С коя компания си партнира Magic през 2024 г. за изграждането на суперкомпютри?
    • Google Облак
    • Apple
    • Spotify
    • Adobe
  6. What does a larger context window make possible for a coding task?
    • По-бързо писане на клавиатура
    • Include more cross-file code and documentation in one context, without guaranteeing project-wide correctness
    • По-добра резолюция на екрана
    • По-евтини сметки за ток
  7. What comparison did Magic report for LTM-2-mini’s sequence-dimension algorithm?
    • A 1,000-fold improvement in total cost for every deployed model
    • A 1,000-fold increase in the accuracy of all code edits
    • About 1,000 times lower per-token algorithmic cost than Llama 3.1 405B attention at 100M context in the reported configuration
    • A fixed 1,000-token limit for every LTM model
  8. In a simple illustrative lookup with A → B, B → C, and C → D, what chain follows from A?
    • A → C → B → D
    • A → B → D → C
    • A → D → C → B
    • A → B → C → D