কোড মডেল কুইজের জন্য অনুমানমূলক সম্পাদনা

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. কোন মূল পর্যবেক্ষণ অনুমানমূলক সম্পাদনাগুলিকে কার্যকর করে তোলে?
   • একটি সম্পাদিত ফাইলের বেশিরভাগ টোকেন সাধারণত মূলের সাথে অভিন্ন
   • এআই মডেলগুলি মোটেই কোড পড়তে পারে না
   • ফাইলগুলি সর্বদা স্ক্র্যাচ থেকে পুনরায় তৈরি করা আবশ্যক
   • কোডের কোন অনুমানযোগ্য কাঠামো নেই
2. সাধারণ অনুমানমূলক ডিকোডিংয়ের তুলনায় অনুমানমূলক সম্পাদনায় 'খসড়া' কোথা থেকে আসে?
   • একটি পৃথক ছোট খসড়া মডেল থেকে
   • বিদ্যমান সোর্স কোড থেকে সম্পাদনা করা হচ্ছে
   • র্যান্ডম স্যাম্পলিং থেকে
   • একজন মানব পর্যালোচক থেকে
3. কিভাবে স্ট্যান্ডার্ড অটোরিগ্রেসিভ ডিকোডিং টোকেন তৈরি করে?
   • পাস প্রতি সমান্তরাল অনেক টোকেন
   • কোনো মডেল ছাড়াই একযোগে সব টোকেন
   • ফরওয়ার্ড পাস প্রতি একটি টোকেন
   • শুধুমাত্র একটি GPU ক্লাস্টারে
4. অনুমানমূলক পদ্ধতিতে, প্রস্তাবিত টোকেনগুলির একটি দৌড়ে কী ঘটে যা মডেলটি সঠিক হিসাবে যাচাই করে?
   • তারা বাতিল এবং পুনর্জন্ম হয়
   • তারা অনুমোদনের জন্য একজন মানুষের কাছে পাঠানো হয়
   • তারা একটি ত্রুটি সৃষ্টি করে
   • তারা মোটামুটি একক ফরোয়ার্ড পাসে গৃহীত হয়
5. অনুমানমূলক সম্পাদনার সাথে, প্রজন্মের খরচ কিসের সাথে সবচেয়ে ঘনিষ্ঠভাবে দাঁড়ায়?
   • প্রকৃত সম্পাদনার আকার (বিচ্ছিন্ন অংশ)
   • ফাইলের মোট আকার
   • রেপোতে ফাইলের সংখ্যা
   • মডেলের পরামিতি গণনা
6. অনুমানমূলক সম্পাদনা থেকে কোন দৃশ্যকল্প সবচেয়ে বেশি উপকৃত হয়?
   • একটি খালি বাফার থেকে একটি একেবারে নতুন ফাইল লেখা
   • একটি বড় বেশিরভাগ-অপরিবর্তিত ফাইল জুড়ে একটি প্রতীকের নাম পরিবর্তন করা
   • একটি সাধারণ তুচ্ছ প্রশ্নের উত্তর দেওয়া
   • একটি সংক্ষিপ্ত স্বতন্ত্র কবিতা তৈরি করা হচ্ছে
7. A code edit changes only one short function in a large file. Where is speculative generation work concentrated?
   • Across every unchanged token in the file
   • In retraining the code model
   • In the divergent edited span that does not match the existing source draft
   • In regenerating the file’s tokenizer vocabulary
8. When speculative verification finds a mismatch with the target model, what should the edit system do?
   • Accept every remaining draft token
   • Discard the entire model checkpoint
   • Replace the target model with the draft
   • Stop accepting that draft prefix and generate the corrected span