Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący modeli kodu o długim kontekście w Magic AI

Poznaj modele LTM firmy Magic, pobieranie długiego kontekstu, oceny HashHop, rozumowanie na podstawie kodu i problem kosztowy, do którego dąży algorytm sekwencji.

Powiązane ścieżki prowadząceModele kodu długiego kontekstu Magic AI
Pytanie 1 z 8

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

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  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
    • Do 100 milionów tokenów
    • 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. Dlaczego naiwna uwaga transformatora jest problemem w kontekstach zawierających 100 milionów żetonów?
    • To nic nie kosztuje
    • Działa tylko w trybie offline
    • Usuwa dane wejściowe
    • Skaluje się kwadratowo wraz z długością sekwencji, przez co staje się zbyt kosztowna
  5. Z jaką firmą Magic nawiązał współpracę w 2024 r. przy budowie superkomputerów?
    • Google Chmura
    • Apple
    • Spotify
    • Adobe
  6. What does a larger context window make possible for a coding task?
    • Szybsze pisanie na klawiaturze
    • Include more cross-file code and documentation in one context, without guaranteeing project-wide correctness
    • Lepsza rozdzielczość ekranu
    • Tańsze rachunki za prąd
  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