# Quiz avec réponses — Flux résiduels et attention sur la profondeur ### Question 1 Résolvez la variante du cas guidé : Augmentez le score du troisième checkpoint de 2 à 2,4 dans [0;1;2]. Recalculez les poids softmax sur la profondeur. - A. Scores de profondeur [2;1;0] sur {x₂₄;x₁₂;x₀} donnent softmax ≈ [0,67;0,24;0,09]. Le mélange privilégie x₂₄, le checkpoint le plus récent, tandis que les deux autres conservent ensemble 33 %. - B. AttnRes est présenté comme mécanisme de cours et étude de cas rapportée ; ses détails exacts dans Kimi K3 nécessitent une source primaire. - C. Sous l’hypothèse de contributions à peu près orthogonales (‖F_l‖ = 0,5), l’énergie suit ‖x_l‖² ≈ 1 + 0,25·l : la part de x₀ passe de 100 % à 25 % (l = 12), 14,3 % (l = 24), 7,7 % (l = 48). Diluée, jamais effacée — l’addition est conservatrice. - D. Les poids passent d’environ [0,090;0,245;0,665] à [0,068;0,184;0,748]. La récupération se concentre davantage sur le troisième checkpoint, tout en conservant une contribution non nulle des deux autres. **Réponse: D.** Les poids passent d’environ [0,090;0,245;0,665] à [0,068;0,184;0,748]. La récupération se concentre davantage sur le troisième checkpoint, tout en conservant une contribution non nulle des deux autres. La bonne réponse exécute la modification demandée et donne un résultat contrôlable; les autres textes ne ferment pas ce calcul ou cette trace. --- ### Question 2 Quel ordre causal relie correctement les trois premières étapes de « Flux résiduels et attention sur la profondeur » ? - A. Connexion résiduelle → Dilution → États de profondeur - B. États de profondeur → Dilution → Connexion résiduelle - C. Dilution → Connexion résiduelle → États de profondeur - D. Connexion résiduelle → États de profondeur → Dilution **Réponse: A.** Connexion résiduelle → Dilution → États de profondeur La chaîne suit la progression enseignée; inverser les étapes fait utiliser une représentation ou un état avant sa production. --- ### Question 3 Si « États de profondeur » est retiré, quelle méthode de diagnostic est défendable ? - A. Changer aussi les données pour amplifier la différence. - B. Conserver la même entrée, prédire la première sortie dépendante de « États de profondeur », puis comparer la trace avant/après. - C. Observer uniquement la dernière sortie et inventer la cause. - D. Conclure que le système entier échoue avant toute mesure. **Réponse: B.** Conserver la même entrée, prédire la première sortie dépendante de « États de profondeur », puis comparer la trace avant/après. Une seule intervention et une prédiction préalable permettent d’attribuer l’écart au mécanisme retiré. --- ### Question 4 Quel verdict respecte la frontière de validité de cette session ? - A. Le mécanisme garantit exactitude, vitesse et stabilité pour toute charge. - B. Un exemple réussi prouve la supériorité de l’architecture complète. - C. AttnRes est présenté comme mécanisme de cours et étude de cas rapportée ; ses détails exacts dans Kimi K3 nécessitent une source primaire. - D. Le nom du mécanisme suffit pour choisir la production. **Réponse: C.** AttnRes est présenté comme mécanisme de cours et étude de cas rapportée ; ses détails exacts dans Kimi K3 nécessitent une source primaire. La réponse correcte borne la conclusion; les autres transforment une relation locale en garantie globale. --- ### Question 5 Quelle preuve répond le mieux au statut annoncé pour « Flux résiduels et attention sur la profondeur » ? - A. La route charge sans erreur. - B. Tous les apprenants ont ouvert le fichier. - C. Le même résultat est supposé sur tout matériel. - D. Mixte : mécanismes établis + choix de type Kimi K3 rapportés par la source. **Réponse: D.** Mixte : mécanismes établis + choix de type Kimi K3 rapportés par la source. Une preuve produit ou mécanisme doit rester attribuée et mesurée; disponibilité et complétion ne prouvent pas la valeur. --- ### Question 6 Quand faut-il préférer une référence plus simple à « Blocage » ? - A. Jamais : le mécanisme le plus récent gagne par défaut. - B. Quand un test contrôlé montre une qualité équivalente avec moins de mémoire, de latence ou de complexité. - C. Dès qu’une seule métrique mémoire baisse, quelle que soit la qualité. - D. Dès que le diagramme contient moins de composants. **Réponse: B.** Quand un test contrôlé montre une qualité équivalente avec moins de mémoire, de latence ou de complexité. Le choix dépend d’un compromis mesuré sur la charge réelle, pas de la nouveauté ni d’une métrique isolée. --- ### Question 7 Un apprenant obtient le bon résultat mais ne peut pas expliquer « Dilution ». Quelle reprise est la plus utile ? - A. Reconstruire la première transformation manquante, annoter ses entrées et sorties, puis tester un cas voisin. - B. Valider la réponse puisque le nombre final est correct. - C. Donner le résultat final une seconde fois. - D. Changer plusieurs variables et demander une intuition. **Réponse: A.** Reconstruire la première transformation manquante, annoter ses entrées et sorties, puis tester un cas voisin. La reprise cible la première rupture causale et exige ensuite un transfert, au lieu de récompenser un résultat deviné. --- ### Question 8 Quel livrable démontre réellement l’objectif « Évaluer le coût de stockage. » ? - A. Une liste de termes sans relation causale. - B. Une capture d’écran sans valeurs ni interprétation. - C. Une trace avec données de départ, transformations, résultat observé, limite et prochaine expérience. - D. Une affirmation confiante sans référence ni seuil. **Réponse: C.** Une trace avec données de départ, transformations, résultat observé, limite et prochaine expérience. Le livrable correct rend le raisonnement reproductible et le verdict révisable par une mesure future.