Magic AI 장기 컨텍스트 코드 모델 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 매직이 추구하는 소프트웨어 개발 방향은 무엇입니까?
   • 소프트웨어 엔지니어링 작업을 위한 AI 모델 및 에이전트 개발
   • 모든 소프트웨어 저장소를 이미지 데이터세트로 교체
   • 스프레드시트 전용 OCR 서비스 구축
   • 프로젝트 컨텍스트를 고려하지 않고 코드 생성
2. Magic은 2024년 8월에 LTM-2-mini에 대해 최대 컨텍스트 용량을 얼마나 발표했습니까?
   • 최대 10만 토큰
   • 최대 1억 개의 토큰
   • 최대 100만 개의 토큰
   • 최대 100억 개의 토큰
3. Magic은 HashHop을 사용하여 무엇을 평가합니까?
   • 모델이 사전 학습을 통해 익숙한 사실을 얼마나 잘 예측하는지
   • 생성된 소스 코드가 모든 프로덕션 테스트를 통과하는지 여부
   • 제공된 긴 컨텍스트에 배치된 무작위 해시 쌍에 대한 검색 및 연결
   • 모델이 새로운 프로그래밍 언어를 얼마나 빨리 컴파일하는지
4. 1억 개의 토큰 컨텍스트에서 순진한 변환기 주의가 문제가 되는 이유는 무엇입니까?
   • 비용이 전혀 들지 않습니다
   • 오프라인에서만 작동합니다.
   • 입력을 삭제합니다.
   • 시퀀스 길이에 따라 2차적으로 확장되므로 엄청나게 비용이 많이 듭니다.
5. 2024년에 매직이 슈퍼컴퓨터를 만들기 위해 파트너십을 맺은 회사는 어디입니까?
   • Google 클라우드
   • Apple
   • 스포티파이
   • Adobe
6. 더 큰 컨텍스트 창이 코딩 작업을 위해 무엇을 가능하게 합니까?
   • 키보드 입력 속도 향상
   • 프로젝트 전체의 정확성을 보장하지 않고 하나의 컨텍스트에 더 많은 파일 간 코드 및 문서를 포함합니다.
   • 더 나은 화면 해상도
   • 저렴한 전기요금
7. Magic은 LTM-2-mini의 시퀀스 차원 알고리즘에 대해 어떤 비교를 보고했습니까?
   • 배포된 모든 모델의 총 비용이 1,000배 향상됩니다.
   • 모든 코드 편집의 정확성이 1,000배 증가
   • 보고된 구성의 1억 컨텍스트에서 Llama 3.1 405B attention보다 토큰당 알고리즘 비용이 약 1,000배 낮습니다.
   • 모든 LTM 모델에 대해 고정된 1,000개 토큰 한도
8. A → B, B → C, C → D의 간단한 예시 조회에서 A로부터 어떤 체인이 따라오나요?
   • A → C → B → D
   • A → B → D → C
   • A → D → C → B
   • A → B → C → D