दीर्घ-संदर्भ मॉडलिंग प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. किसी मॉडल की 'संदर्भ विंडो' क्या दर्शाती है?
   • यह एक पास में अधिकतम संख्या में टोकन प्राप्त कर सकता है
   • चैट इंटरफ़ेस का स्क्रीन आकार
   • एक बार में अनुमत उपयोगकर्ताओं की संख्या
   • मॉडल को कितने समय तक प्रशिक्षित किया गया है
2. लंबे इनपुट के लिए मानक आत्म-ध्यान महंगा क्यों हो जाता है?
   • यह रैखिक रूप से बढ़ता है और हमेशा सस्ता होता है
   • इसकी गणना और मेमोरी अनुक्रम लंबाई के साथ चतुष्कोणीय रूप से बढ़ती है
   • यह एक से अधिक टोकन नहीं पढ़ सकता
   • यह केवल छवियों पर काम करता है
3. 'बीच में खो जाने' वाली समस्या क्या है?
   • मॉडल्स अपनी ट्रेनिंग पूरी तरह भूल जाती हैं
   • मॉडल केवल दस्तावेज़ का मध्य भाग ही पढ़ सकते हैं
   • मॉडल लंबे इनपुट के आरंभ और अंत में दी गई जानकारी को बीच में दबे तथ्यों की तुलना में बेहतर ढंग से याद रखते हैं
   • मॉडल मध्य का दूसरी भाषा में अनुवाद करते हैं
4. फ़्लैशअटेंशन मुख्य रूप से क्या सुधार करता है?
   • यह मॉडल आउटपुट को लंबा टेक्स्ट बनाता है
   • यह स्वचालित रूप से अधिक प्रशिक्षण डेटा जोड़ता है
   • यह किसी भी ध्यान की आवश्यकता को दूर करता है
   • यह आईओ-अवेयर, टाइलयुक्त गणना के साथ मेमोरी बाधा को कम करता है
5. लंबे-संदर्भ मॉडल में रोटरी स्थिति एम्बेडिंग (आरओपीई) क्या भूमिका निभाती है?
   • वे टोकन स्थितियों को एन्कोड करते हैं और, इंटरपोलेशन के साथ, लंबे अनुक्रमों को सामान्य बनाने में मदद करते हैं
   • वे इनपुट से टोकन हटा देते हैं
   • वे भाषाओं के बीच पाठ का अनुवाद करते हैं
   • वे मॉडल का वज़न संग्रहीत करते हैं
6. What does prompt-cache research reuse across compatible requests?
   • The final answer regardless of the new query
   • Computed attention state for reusable prompt segments
   • A fixed set of token IDs without model computation
   • The model’s training data
7. What does the RULER benchmark add beyond locating one isolated “needle” fact?
   • केवल छवि वर्गीकरण
   • Audio transcription from waveforms
   • Tasks such as multi-hop tracing and aggregation over long contexts
   • GPU memory allocation benchmarks
8. Why test several task types when measuring a model’s effective context length?
   • Every task uses the same computation
   • The advertised window guarantees all tasks work
   • Task type never affects context use
   • A model may handle simple retrieval yet fail to combine or track information across a long input