Quiz lié à un guide · Moyen Niveau

Quiz sur les modèles de code à contexte long Magic AI

Explorez les modèles LTM de Magic, la récupération de contexte long, les évaluations HashHop, le raisonnement de base de code et le problème de coût ciblé par leur algorithme de séquence.

Chemins de guidage associésModèles de codes de contexte longs Magic AI
Question 1 de 8

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

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  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
    • Jusqu'à 100 millions de jetons
    • 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. Pourquoi l'attention naïve des transformateurs est-elle un problème pour les contextes de 100 millions de jetons ?
    • Ça ne coûte rien
    • Cela ne fonctionne que hors ligne
    • Il supprime l'entrée
    • Il évolue quadratiquement avec la longueur de la séquence, ce qui devient prohibitif
  5. Avec quelle entreprise Magic s’est-il associé en 2024 pour construire des supercalculateurs ?
    • Google Nuage
    • Apple
    • Spotify
    • Adobe
  6. What does a larger context window make possible for a coding task?
    • Taper plus rapidement sur un clavier
    • Include more cross-file code and documentation in one context, without guaranteeing project-wide correctness
    • Meilleure résolution d'écran
    • Des factures d’électricité moins chères
  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