Что произойдёт, если подать на вход декодеру последовательность длиной 10k токенов, а модель обучалась на 9k?

Если подать на вход декодеру последовательность длиной 10 000 токенов, а модель обучалась на максимальной длине 9 000 токенов, то скорее всего произойдёт одно из следующих:

• Модель не сможет обработать вход из-за ограничения максимальной длины, и вызовет ошибку или исключение.
• Входная последовательность будет усечена до 9 000 токенов, и декодер обработает только эту часть.

Это связано с тем, что архитектура модели и её параметры (например, размер позиционных эмбеддингов) фиксированы на максимальную длину, на которой она обучалась. Передача более длинной последовательности нарушает эти ограничения.

В результате:

• Потеряется часть информации из усечённой части.
• Качество вывода может ухудшиться.

Чтобы работать с более длинными последовательностями, обычно используют техники, такие как скользящее окно, иерархические модели или модели с расширенной контекстной длиной.