Uzun Bağlam Modelleme Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Bir modelin 'bağlam penceresi' neyi ifade eder?
   • Tek geçişte katılabileceği maksimum jeton sayısı
   • Sohbet arayüzünün ekran boyutu
   • Aynı anda izin verilen kullanıcı sayısı
   • Modelin ne kadar süredir eğitildiği
2. Uzun girdiler için standart kişisel dikkat neden pahalı hale geliyor?
   • Doğrusal olarak büyür ve her zaman ucuzdur
   • İşlem ve hafızası dizi uzunluğuyla birlikte karesel olarak büyüyor
   • Birden fazla jetonu okuyamaz
   • Yalnızca görseller üzerinde çalışır
3. 'Ortada kaybolma' sorunu nedir?
   • Modeller eğitimlerini tamamen unutuyor
   • Modeller bir belgenin yalnızca ortasını okuyabilir
   • Modeller, uzun bir girdinin başındaki ve sonundaki bilgileri, ortada gömülü gerçeklerden daha iyi hatırlar
   • Modeller ortayı başka bir dile çeviriyor
4. FlashAttention öncelikli olarak neyi geliştirir?
   • Model çıktısının daha uzun metin olmasını sağlar
   • Otomatik olarak daha fazla eğitim verisi ekler
   • Herhangi bir ilgi ihtiyacını ortadan kaldırır
   • IO bilinçli, döşemeli hesaplamayla bellek darboğazını azaltır
5. Uzun bağlam modellerinde döner konum yerleştirmeleri (RoPE) nasıl bir rol oynuyor?
   • Belirteç konumlarını kodlarlar ve enterpolasyonla daha uzun dizilere genellemeye yardımcı olurlar.
   • Girişten jetonları silerler
   • Metni diller arasında çeviriyorlar
   • Modelin ağırlıklarını saklıyorlar
6. What does prompt-cache research reuse across compatible requests?
   • The final answer regardless of the new query
   • Computed attention state for reusable prompt segments
   • A fixed set of token IDs without model computation
   • The model’s training data
7. What does the RULER benchmark add beyond locating one isolated “needle” fact?
   • Yalnızca görüntü sınıflandırması
   • Audio transcription from waveforms
   • Tasks such as multi-hop tracing and aggregation over long contexts
   • GPU memory allocation benchmarks
8. Why test several task types when measuring a model’s effective context length?
   • Every task uses the same computation
   • The advertised window guarantees all tasks work
   • Task type never affects context use
   • A model may handle simple retrieval yet fail to combine or track information across a long input