Викторина, связанная с руководством · Средний Уровень

Викторина по моделям длинноконтекстного кода Magic AI

Изучите модели LTM Magic, поиск в длинном контексте, оценки HashHop, рассуждения о кодовой базе и проблему стоимости, на которую нацелен их алгоритм последовательности.

Связанные направляющие путиМодели длинного контекстного кода Magic AI
Вопрос 1 из 8

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

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  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
    • До 100 миллионов токенов
    • 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. Почему наивное внимание преобразователя является проблемой для контекстов со 100 миллионами токенов?
    • Это ничего не стоит
    • Это работает только в автономном режиме
    • Он удаляет ввод
    • Он масштабируется квадратично с длиной последовательности, что становится непомерно дорогим.
  5. С какой компанией Magic сотрудничала в 2024 году для создания суперкомпьютеров?
    • Google Облако
    • Apple
    • Спотифай
    • Adobe
  6. What does a larger context window make possible for a coding task?
    • Более быстрый набор текста на клавиатуре
    • Include more cross-file code and documentation in one context, without guaranteeing project-wide correctness
    • Лучшее разрешение экрана
    • Дешевле счета за электроэнергию
  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