Тест за вграждане на хипотетични документи на HyDE

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. Какво генерира HyDE преди извършване на извличане?
   • SQL заявка
   • Списък само със синоними
   • Компресирано изображение на заявката
   • Хипотетичен документ, който би отговорил на въпроса
2. What is the intended role of the encoder bottleneck when HyDE's hypothetical document contains invented details?
   • Retain useful retrieval patterns while reducing some irrelevant specifics, without guaranteeing error removal
   • Prove every generated sentence is factually correct
   • Manually repair every fabricated claim before encoding
   • Make fabricated details incapable of influencing any search result
3. Основно практическо предимство на HyDE е, че работи:
   • Само с милиони етикетирани примери
   • Само на английски текст
   • Нулев изстрел, без етикетирани данни за уместно обучение
   • Само за търсене на изображения
4. Кой тип модел на вграждане се използва в оригиналния HyDE за кодиране на хипотетичния документ?
   • Контролиран класификатор на заявки
   • Неконтролиран контрастен енкодер като Contriever
   • Базиран на правила инструмент за извличане на ключови думи
   • Конволюционна мрежа от изображения
5. Какъв основен проблем при плътното извличане е предназначен да адресира HyDE?
   • Кратките заявки и по-дългите пасажи с отговори често се намират в различни региони на пространството за вграждане
   • Документите са твърде кратки за индексиране
   • Обърнатите индекси са твърде бавни
   • Вгражданията не могат да се съхраняват на диск
6. How can a HyDE variant combine several generated hypothetical documents into one search representation?
   • Declare all generated claims to be verified facts
   • Delete the encoder and search only by file size
   • Require every generated document to be a real corpus passage
   • Average their encoded vectors before searching the real corpus
7. Which text should support a factual answer after HyDE retrieval?
   • The generated hypothetical document because generation verifies it
   • Relevant real source passages that have been checked, rather than the hypothetical document alone
   • Only the nearest vector's numeric coordinates
   • Any invented detail repeated by several generated samples
8. What extra retrieval cost can HyDE introduce compared with directly embedding a user's query?
   • Mandatory relevance-label collection for every query
   • A requirement to retrain Contriever for each search
   • The latency and computation of generating one or more hypothetical documents
   • Elimination of all encoder and index computation