Kod Modelleri Testi için Spekülatif Düzenlemeler

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Hangi temel gözlem spekülatif düzenlemeleri etkili kılar?
   • Düzenlenen bir dosyanın belirteçlerinin çoğu genellikle orijinaliyle aynıdır
   • Yapay zeka modelleri kodu hiç okuyamıyor
   • Dosyalar her zaman sıfırdan yeniden oluşturulmalıdır
   • Kodun öngörülebilir bir yapısı yok
2. Sıradan spekülatif kod çözmeyle karşılaştırıldığında, spekülatif düzenlemelerde 'taslak' nereden geliyor?
   • Ayrı bir küçük taslak modelden
   • Düzenlenmekte olan mevcut kaynak kodundan
   • Rastgele örneklemeden
   • Gerçek bir incelemeciden
3. Standart otoregresif kod çözme, jetonları nasıl üretir?
   • Geçiş başına paralel olarak çok sayıda jeton
   • Model olmadan tüm jetonlar aynı anda
   • İleri geçiş başına bir jeton
   • Yalnızca GPU kümesinde
4. Spekülatif yöntemlerde, modelin doğruluğunu doğruladığı önerilen token dizisine ne olur?
   • Atılırlar ve yeniden üretilirler
   • Onay için bir insana gönderilirler
   • Hataya neden oluyorlar
   • Kabaca tek bir ileri geçişte kabul edilirler
5. Spekülatif düzenlemelerle üretim maliyeti neye en yakın şekilde ölçeklenir?
   • Gerçek düzenlemenin boyutu (farklı kısımlar)
   • Dosyanın toplam boyutu
   • Depodaki dosya sayısı
   • Modelin parametre sayısı
6. Spekülatif düzenlemelerden EN ÇOK hangi senaryo yararlanır?
   • Boş bir arabellekten yepyeni bir dosya yazma
   • Çoğunlukla değişmeyen büyük bir dosyada bir sembolü yeniden adlandırma
   • Genel bir önemsiz soruyu yanıtlama
   • Kısa ve bağımsız bir şiir oluşturma
7. A code edit changes only one short function in a large file. Where is speculative generation work concentrated?
   • Across every unchanged token in the file
   • In retraining the code model
   • In the divergent edited span that does not match the existing source draft
   • In regenerating the file’s tokenizer vocabulary
8. When speculative verification finds a mismatch with the target model, what should the edit system do?
   • Accept every remaining draft token
   • Discard the entire model checkpoint
   • Replace the target model with the draft
   • Stop accepting that draft prefix and generate the corrected span