Bài kiểm tra có liên kết hướng dẫn · Cứng Cấp độ

Chỉnh sửa suy đoán cho bài kiểm tra về mô hình mã

Kiểm tra cách mã nguồn không thay đổi trở thành bản nháp, cách chấp nhận tiền tố đã xác minh và lý do tại sao kích thước chỉnh sửa lại thúc đẩy chi phí tạo suy đoán.

Đường dẫn hướng dẫn liên quanChỉnh sửa suy đoán cho các mô hình mã
Câu hỏi 1 của 8

Quan sát quan trọng nào làm cho việc chỉnh sửa mang tính suy đoán có hiệu quả?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Quan sát quan trọng nào làm cho việc chỉnh sửa mang tính suy đoán có hiệu quả?
    • Hầu hết các mã thông báo của tệp đã chỉnh sửa thường giống hệt với tệp gốc
    • Các mô hình AI hoàn toàn không thể đọc được mã
    • Các tập tin phải luôn được tạo lại từ đầu
    • Mã không có cấu trúc có thể dự đoán được
  2. 'Bản nháp' đến từ đâu trong các chỉnh sửa suy đoán, so với giải mã suy đoán thông thường?
    • Từ một mô hình dự thảo nhỏ riêng biệt
    • Từ mã nguồn hiện có đang được chỉnh sửa
    • Từ lấy mẫu ngẫu nhiên
    • Từ một người đánh giá con người
  3. Giải mã tự hồi quy tiêu chuẩn tạo ra mã thông báo như thế nào?
    • Nhiều mã thông báo song song trên mỗi lượt
    • Tất cả các mã thông báo cùng một lúc không có mô hình
    • Một mã thông báo cho mỗi lần chuyển tiếp
    • Chỉ trên cụm GPU
  4. Trong các phương pháp đầu cơ, điều gì sẽ xảy ra với một loạt mã thông báo được đề xuất mà mô hình xác minh là chính xác?
    • Chúng bị loại bỏ và tái sinh
    • Chúng được gửi đến con người để phê duyệt
    • Chúng gây ra lỗi
    • Chúng được chấp nhận trong khoảng một lần chuyển tiếp
  5. Với các chỉnh sửa mang tính suy đoán, chi phí sản xuất sẽ tăng gần nhất với cái gì?
    • Kích thước của bản chỉnh sửa thực tế (các phần khác nhau)
    • Tổng kích thước của tập tin
    • Số lượng tập tin trong repo
    • Số tham số của mô hình
  6. Kịch bản nào được hưởng lợi NHIỀU NHẤT từ các chỉnh sửa mang tính suy đoán?
    • Viết một tập tin hoàn toàn mới từ một bộ đệm trống
    • Đổi tên biểu tượng trên một tệp lớn hầu như không thay đổi
    • Trả lời một câu hỏi đố chung
    • Tạo một bài thơ độc lập ngắn
  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