Cuestionario vinculado a una guía · Medio Nivel

Cuestionario sobre modelos de código de contexto largo de Magic AI

Explore los modelos LTM de Magic, la recuperación de contexto prolongado, las evaluaciones de HashHop, el razonamiento de la base del código y el problema de costos al que se dirige su algoritmo de secuencia.

Rutas de guía relacionadasModelos de código de contexto largo de Magic AI
Pregunta 1 de 8

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

Vista previa de cada pregunta8 preguntas

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

  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
    • Hasta 100 millones de tokens
    • 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. ¿Por qué la atención ingenua de los transformadores es un problema para contextos de 100 millones de tokens?
    • no cuesta nada
    • Solo funciona sin conexión
    • Elimina la entrada
    • Escala cuadráticamente con la longitud de la secuencia, volviéndose prohibitivamente costosa.
  5. ¿Con qué empresa se asoció Magic en 2024 para construir supercomputadoras?
    • Google Nube
    • Apple
    • Spotify
    • Adobe
  6. What does a larger context window make possible for a coding task?
    • Escribir más rápido en un teclado
    • Include more cross-file code and documentation in one context, without guaranteeing project-wide correctness
    • Mejor resolución de pantalla
    • Facturas de electricidad más baratas
  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