Pular para o conteúdo principal

Questão de Sistemas Operacionais — Arquitetura de Computadores — CESPE / CEBRASPE 2025

Sistemas OperacionaisArquitetura de Computadores
Código
ce217178
Banca
CESPE / CEBRASPE
Órgão
TJ-PA
Ano
2025
Nível
Superior
Cargo
Analista Judiciário - Especialidade: Análise de Suporte
A respeito dos fundamentos de GPU para ambientes de alto desempenho e das aplicações práticas da CUDA, julgue o item a seguir.Técnicas como AWQ (activation-aware weight quantization) e GGUF (general unified format) comprometem a precisão e a viabilidade da execução local de grandes modelos de linguagem, sendo inadequadas para aplicações como chatbots offline, análise de texto em tempo real ou inferência embarcada, já que essas abordagens aumentam a latência e o consumo de memória, exigindo hardware com alta capacidade computacional.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoE — Errado

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

GPU, CUDA e técnicas de quantização de modelos

Gabarito: ❌ ERRADO. A afirmação do item inverte completamente o propósito e o efeito real das técnicas AWQ e GGUF. AWQ (activation-aware weight quantization) e GGUF (General Unified Format) são abordagens desenvolvidas justamente para viabilizar a execução local de grandes modelos de linguagem (LLMs) com menor consumo de memória, menor latência e precisão preservada — exatamente o oposto do que o enunciado alega.

Análise do item

A assertiva sustenta que:

  • AWQ e GGUF comprometem a precisão e viabilidade;

  • são inadequadas para chatbots offline, análise em tempo real ou inferência embarcada;

  • aumentam latência e consumo de memória;

  • exigem hardware de alta capacidade computacional.

Cada um desses pontos é falso quando confrontado com a realidade técnica:

  1. AWQ (activation-aware weight quantization): é uma técnica de quantização que reduz o tamanho dos pesos do modelo (ex.: de 16 bits para 4 bits) com base na importância das ativações. Isso reduz o consumo de memória e acelera a inferência, mantendo a acurácia competitiva com modelos não quantizados. Não compromete a precisão de forma significativa para a maioria das aplicações práticas.

  1. GGUF (General Unified Format): é um formato de arquivo otimizado para carregar e executar modelos de linguagem de forma eficiente em CPUs e GPUs. Ele permite baixa latência e uso reduzido de memória em relação a formatos não otimizados. É amplamente utilizado em ferramentas como llama.cpp para inferência local.

  1. Aplicações práticas: ambas as técnicas são ideais para chatbots offline, análise de texto em tempo real e inferência embarcada, pois viabilizam a execução em hardware modesto (ex.: laptops com 8 GB de RAM ou dispositivos móveis), com latência aceitável.

  1. Latência e consumo de memória: as técnicas reduzem ambos. Modelos quantizados ocupam menos espaço em RAM/VRAM e exigem menos transferência de dados, resultando em inferência mais rápida, não mais lenta.

  1. Exigência de hardware: pelo contrário, permitem rodar LLMs em hardware com capacidade computacional menor (ex.: GPUs de entrada ou até CPU), democratizando o acesso a esses modelos.

NÃO CAIA NESSA!

A banca explora a inversão de vantagens. O candidato que não conhece essas técnicas pode acreditar que toda quantização reduz precisão e que formatos de arquivo são apenas containers sem impacto. Na verdade, AWQ e GGUF são aliados da execução local, não obstáculos. Memorize: quantização inteligente (como AWQ) mantém a precisão e reduz recursos; GGUF organiza o modelo para carregamento e execução eficientes.

✅ Conclusão: A afirmativa está diametralmente oposta à verdade técnica. Portanto, o item é ERRADO.

Gabarito: ❌ ERRADO

Link permanente: /questoes/ce217178