اختبار مرتبط بالدليل · متوسط المستوى
اختبار الحد الأقصى للملاءمة الهامشية
اختبار مدى ملاءمة وتنوع MMR، والاختيار الجشع، وتحديثات التكرار المخزنة مؤقتًا، والقيود التي يفرضها تجمع مرشحي الاسترجاع الأولي.
سؤال 1 من 8
ما هي المشكلة الأساسية التي تم تصميم MMR لحلها؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- ما هي المشكلة الأساسية التي تم تصميم MMR لحلها؟
- زمن استجابة الاستعلام البطيء في قواعد البيانات الكبيرة
- إملائي غير صحيح في استعلامات المستخدم
- نتائج متكررة وشبه مكررة من تصنيف الصلة البحتة
- نقص بيانات التدريب للتضمين
- في صيغة MMR، ما الذي تؤكده قيمة لامدا القريبة من 1؟
- صلة خالصة بالاستعلام
- أقصى قدر من التنوع بين النتائج
- الترجيح المتساوي لجميع المرشحين
- اختيار عشوائي
- كيف يختار MMR نتائجه؟
- في كل مرة عن طريق فرز درجة واحدة
- عشوائيا مع البذور الثابتة
- حسب الترتيب الأبجدي للوثائق
- بجشع، واحدًا تلو الآخر، مقارنة بالعناصر المحددة بالفعل
- How can an embedding-based MMR implementation measure query relevance and document redundancy?
- Using only a document's filename length
- Using a similarity measure such as cosine, without MMR requiring that one measure universally
- Using a mandatory audio-transcription score for all text
- Using no relevance or inter-document comparison at all
- لماذا يعد MMR مفيدًا بشكل خاص في توليد الاسترجاع المعزز (RAG)؟
- فهو يوفر قطع أدلة تكميلية وغير زائدة عن الحاجة
- يقوم بضغط أوزان النموذج
- يقوم بضبط نموذج اللغة تلقائيًا
- يقوم بتشفير المستندات المستردة
- If MMR caches each candidate's maximum redundancy and updates it against each new selection, roughly how many similarities are needed for k picks from n candidates?
- Always constant time independent of k and n
- Exactly n factorial for every implementation
- About k times n, ignoring vector dimension and initial setup
- No document comparisons after the first query score
- With lambda equal to 0.5, relevance 0.8, and maximum selected-item similarity 0.9, what is a candidate's MMR scoring term?
- 0.85, from averaging the two similarities
- Minus 0.05, from 0.5 times 0.8 minus 0.5 times 0.9
- 0.72, from multiplying relevance and redundancy
- 1.7, from adding the two similarities
- Can an MMR reranker select a relevant document that the upstream retrieval candidate pool omitted?
- Yes; diversity scoring invents missing source documents
- Yes; a lower lambda automatically searches the whole corpus
- Yes; reranking changes the document's original publication date
- No; it chooses among the supplied candidates unless the upstream pool is expanded