اختبار تضمينات تمثيل ماتريوشكا

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما هي الخاصية الأساسية لتضمين ماتريوشكا؟
   • يمكن أن تعمل البادئات المدربة كممثلات بأطوال متعددة
   • كل البعد له نفس القدر من الأهمية والنظام لا يهم
   • يمكن استخدامه فقط بطول واحد ثابت
   • ويجب إعادة ترميزه لكل حجم هدف
2. كيف يتم تدريب نموذج ماتريوشكا لتحقيق ذلك؟
   • من خلال تدريب نموذج منفصل لكل حجم
   • مع خسارة مُلخصة عبر أبعاد البادئة المتداخلة المتعددة
   • من خلال تطبيق PCA بعد التدريب القياسي
   • عن طريق إسقاط الأبعاد بشكل عشوائي في وقت الاختبار فقط
3. ماذا تفعل عند الاستدلال للحصول على تضمين أصغر؟
   • إعادة تدريب النموذج من الصفر
   • تشغيل شبكة ضغط منفصلة
   • اقتطاع إلى أبعاد k الأولى وإعادة التطبيع
   • متوسط جميع الأبعاد معا
4. ما هو واجهة برمجة التطبيقات المُوثقة التي يتيح للمتصل طلب أبعاد أقل لإخراج text-embedding-3؟
   • معامل الأبعاد
   • علامة PCA في ورقة ماتريوشكا
   • خيار FastText n-gram
   • إعداد نافذة السياق GloVe
5. ما هي الفائدة العملية الأساسية لتضمينات ماتريوشكا؟
   • قد يقلل عدد الإحداثيات من التخزين والعمل المقارن؛ قيّم جودة واسترجاع التكلفة
   • أنها تلغي الحاجة إلى أي ناقلات
   • أنها تضمن دقة مثالية في جميع الأحجام
   • أنها تعمل فقط للصور
6. في عملية تضمين ماتريوشكا، أين تتركز المعلومات الأكثر تمييزًا؟
   • في الأبعاد النهائية الزائدة
   • في الأبعاد الأولى الرائدة
   • ينتشر بشكل موحد دون أي ترتيب
   • فقط في الأبعاد المتوسطة
7. ما هو جدول الأبعاد الذي يُعد مثالاً على بادئات ماتريوشكا المتداخلة في الدليل؟
   • حجم ثابت واحد من 512 بُعداً
   • جدول تناقصي من 2048 إلى بُعد واحد مع نماذج منفصلة
   • 8، 16، 32، وبادئات أكبر تدريجياً حتى 2048 بُعداً
   • سلسلة أحجام غير مرتبطة تتطلب أوزان نموذج جديدة في كل مرة
8. كيف يختلف تقصير تضمين ماتريوشكا عن تطبيق نموذج PCA منفصل؟
   • يتطلب إعادة تدريب مشفر مختلف لكل بُعد
   • يستبدل المتجه الأصلي بمشروع عشوائي
   • يمكن أن يتم فقط أثناء تدريب النموذج
   • يمكن تقصير بادئة أقصر وتقطيعها وإعادة تطبيعها من نفس التضمين المدرب دون نموذج مشروع منفصل