Kuiz Berkelompok Berterusan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Apakah kelemahan utama batching statik (tetap) untuk sajian LLM?
   • Ia hanya boleh berjalan pada CPU
   • Ia memerlukan pelabelan semua data terlebih dahulu
   • Permintaan pendek selesai lebih awal tetapi slot mereka melahu sementara kumpulan menunggu yang paling lama
   • Ia menjadikan model kurang tepat
2. Pada butiran apakah pengumpulan berterusan menambah dan mengalih keluar permintaan?
   • Sekali sehari
   • Setiap langkah penyahkodan (satu token pada satu masa)
   • Mengikut permintaan penuh sahaja
   • Setiap zaman latihan
3. A continuous-batching request finishes and frees capacity. What can the scheduler do next?
   • Restart every remaining request from its first token
   • Guarantee every queued request runs immediately
   • Discard the finished answer without returning it
   • Admit eligible queued work if its resource budgets allow
4. Teknik yang manakah berpasangan secara semula jadi dengan batching berterusan untuk menjadikan urutan memasukkan/mengalih keluar murah?
   • Cache KV berasaskan blok PagedAttention
   • FP32 berketepatan ganda
   • Penukaran cakera
   • Pelabelan data manual
5. Apakah kertas penyelidikan yang lazimnya dikreditkan dengan mempopularkan batching peringkat lelaran (berterusan)?
   • Kertas Transformer asal
   • Kertas Orca
   • Kertas pangkalan data 1980-an
   • Kertas ImageNet
6. What utilization problem can continuous batching reduce compared with a fixed request batch?
   • Every model accuracy error
   • The need to store any KV cache
   • All queueing at any traffic rate
   • Waiting for the longest request before admitting new eligible work
7. A continuous-batching server has reached its memory budget. Must a newly arrived request enter the next iteration?
   • No; admission can wait until suitable capacity is available
   • Yes; the name guarantees unlimited request admission
   • Yes; the server removes all active outputs automatically
   • Only if the request has no punctuation
8. A long prompt’s prefill delays tokens for already decoding requests. Which serving objective exposes that tradeoff?
   • Measure only the weight-file name
   • Assume more admitted prompts always improve every latency
   • Measure time between decode tokens alongside throughput
   • Count only the number of model layers