Тест за вграждания

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. What is an embedding in the numerical representation sense used here?
   • A dictionary definition that must be stored verbatim
   • A required compression format for image files
   • A vector representing an item for a model or comparison task
   • An exact database row identifier only
2. What can closeness in a trained semantic embedding space indicate?
   • Similarity learned under that model’s objective
   • A guarantee that two statements are equally true
   • An identical byte sequence in every case
   • A universal relation independent of training
3. Кой показател се използва обикновено за сравняване на две вграждания?
   • Разлика в размера на файла
   • Подреждане по азбучен ред
   • Брой думи
   • Косинусово подобие
4. What tradeoff can an approximate embedding index such as HNSW introduce?
   • A guarantee of complete exact retrieval in every configuration
   • Faster search with possible missed exact nearest neighbors
   • A required change of every vector to a word definition
   • Automatic removal of all training-data bias
5. Какво демонстрира класическият пример „цар - мъж + жена ≈ кралица“ относно вгражданията?
   • Те могат да улавят връзки чрез векторна аритметика
   • Те съхраняват точни дефиниции на думи
   • Те работят само срещу лицензионни условия
   • Те са случайни и безсмислени
6. Кой е реален риск при използване на вграждания?
   • Те не могат да се съхраняват в база данни
   • Те работят само на английски
   • Те могат да наследят и отразяват пристрастия, присъстващи в техните данни за обучение
   • Те правят всички търсения само с точно съвпадение
7. Two unit-length embedding vectors have dot product 0.8. What is their squared Euclidean distance?
   • 0.2
   • 0.4
   • 0.8
   • 1.6
8. When does an inner-product score equal cosine similarity for two nonzero embedding vectors?
   • Whenever their dimensions are equal
   • Whenever they came from two unrelated model families
   • Only when their coordinates are all zero
   • When both vectors have been normalized to unit length