Cuestionario vinculado a una guía · Medio Nivel

Cuestionario contextual de Windows

Revise los presupuestos del contexto de tokens, la asignación de entradas y salidas, los límites de evaluación de entradas largas, las compensaciones de recuperación y el comportamiento cuando una solicitud excede la capacidad.

Rutas de guía relacionadasVentanas de contexto
Pregunta 1 de 8

¿Qué mide la ventana de contexto de un modelo?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Qué mide la ventana de contexto de un modelo?
    • La resolución de pantalla de la interfaz de chat.
    • La cantidad máxima de texto, en tokens, que el modelo puede considerar a la vez.
    • ¿Cuántos usuarios pueden chatear al mismo tiempo?
    • El tamaño total del conjunto de datos de entrenamiento del modelo.
  2. How should a token be interpreted when budgeting language-model context?
    • As exactly one full word in every language
    • As exactly one sentence in every tokenizer
    • As a tokenizer-defined unit whose relation to words depends on the model and text
    • As the API password used to send a request
  3. In a decoder-style request with a shared input-and-continuation budget, which supplied material uses that budget?
    • Instructions, conversation turns, document tokens, and the generated continuation
    • Only the latest user message
    • Only stored application files that were never supplied
    • Only generated output, with input always free
  4. Under a dense full-attention pairwise-interaction model, how does comparison count scale when a request's token length doubles?
    • It becomes only twice as large under that model
    • It stays unchanged regardless of length
    • It becomes half as large
    • It becomes four times as large under the quadratic model
  5. El problema "perdido en el medio" se refiere a modelos que tienden a:
    • Falla cada vez que la entrada es larga
    • Traducir la mitad de un documento a otro idioma
    • Recuerda mejor la información al principio y al final de una entrada larga que a la mitad.
    • Ignora por completo la primera y la última frase.
  6. Why can retrieval be combined with a language model's limited context window?
    • It guarantees the lowest total cost for every workflow
    • It selects passages to supply rather than requiring the whole knowledge base as input
    • It permanently increases the model's supported token capacity
    • It removes the need to evaluate generated answers
  7. In an illustrative shared context budget of 8,000 tokens, input uses 6,500. How many tokens remain before other limits or overhead?
    • 6,500
    • 8,000
    • 14,500
    • 1,500
  8. What can happen when an input exceeds a language model interface's supported context?
    • Rejection, truncation, or application-side shortening, depending on the setup
    • Automatic permanent memory of all excluded text
    • Guaranteed silent deletion of the oldest message in every system
    • Automatic expansion of every model's trained architecture