Quiz collegato alla guida · Medio Livello
Quiz sui modelli di codice a contesto lungo di Magic AI
Esplora i modelli LTM di Magic, il recupero di contesti lunghi, le valutazioni HashHop, il ragionamento della base di codice e il problema dei costi target dell'algoritmo di sequenza.
Domanda 1 di 8
What software-development direction has Magic said it is pursuing?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- 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
- What maximum context capacity did Magic announce for LTM-2-mini in August 2024?
- Up to 100 thousand tokens
- Fino a 100 milioni di token
- Up to 1 million tokens
- Up to 10 billion tokens
- 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
- Perché l'attenzione ingenua del trasformatore è un problema per i contesti da 100 milioni di token?
- Non costa nulla
- Funziona solo offline
- Cancella l'input
- Si ridimensiona quadraticamente con la lunghezza della sequenza, diventando proibitivamente costoso
- Con quale azienda Magic ha collaborato nel 2024 per costruire supercomputer?
- GoogleNuvola
- Apple
- Spotify
- Adobe
- What does a larger context window make possible for a coding task?
- Digitazione più veloce su una tastiera
- Include more cross-file code and documentation in one context, without guaranteeing project-wide correctness
- Migliore risoluzione dello schermo
- Bollette elettriche più economiche
- 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
- 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