Тест, свързан с ръководство · трудно Ниво

ColBERT и тест за многовекторно извличане

Проучете многовекторното класиране на ColBERT, прекласирането на кандидатите, извличането на страниците на документи ColPali и как ColBERTv2 компресира представянето на токени.

Свързани ръководни пътекиColbert и мултивекторно извличане
Въпрос 1 на 8

Как ColBERT представлява документ?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Как ColBERT представлява документ?
    • Толкова много контекстуални вектори за токен
    • Като единичен плътен вектор
    • Тъй като оскъдна торба с ключови думи се брои
    • Само като необработен текстов низ
  2. Каква операция използва ColBERT за оценяване на уместността на заявка-документ?
    • Косинус на два единични вектора
    • MaxSim: сбор от най-доброто съвпадение на всеки токен на заявка с всеки токен на документ
    • Крос-ентропия върху целия речник
    • BM25 термин честота
  3. Защо ColBERT е по-бърз от крос-енкодер в мащаб?
    • Той използва по-малък речник
    • Той напълно игнорира заявката
    • Вгражданията на токени за документи са предварително изчислени и индексирани офлайн
    • Той обработва само първата дума на всеки документ
  4. Какъв проблем с едновекторните плътни ретривъри решава ColBERT?
    • Те са твърде бавни за индексиране
    • Те не могат да използват невронни мрежи
    • Те не изискват данни за обучение
    • Те губят фини детайли на ниво токен чрез компресиране до един вектор
  5. Какво ключово подобрение въведе ColBERTv2?
    • Остатъчна компресия, която значително свива размера на индекса
    • Премахна BERT изцяло
    • Той премина към едновекторно кодиране
    • Работи само върху изображения
  6. За какво ColPali прилага късно взаимодействие в стил ColBERT?
    • Аудио вълни
    • Пачове с изображения на страници с документи, като PDF файлове
    • Само единични ключови думи
    • Редове на таблицата на базата данни
  7. In a two-stage search system, what role can ColBERT play after a fast first-stage retriever?
    • Generate the source documents from scratch
    • Replace the query with a document title
    • Rerank the candidate passages using contextual token-level matching
    • Discard every candidate before scoring
  8. What does ColBERTv2's residual compression store for a token vector?
    • Only the raw document text with no vector data
    • A full copy of the language model for each token
    • One shared vector for the entire document
    • A centroid code together with a compact residual representation