Тест, свързан с ръководство · Среден Ниво

LlamaIndex Тест

Разгледайте как LlamaIndex анализира и индексира данни, извлича съответните възли, синтезира отговори и оценява качеството на извличане.

Свързани ръководни пътекиЛамаиндекс
Въпрос 1 на 8

За какво е предназначен основно LlamaIndex?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. За какво е предназначен основно LlamaIndex?
    • Свържете LLM с вашите данни за генериране с разширено извличане
    • Обучете нови модели на основата
    • Генерирайте изображения и видео
    • Управлявайте GPU клъстери в облака
  2. Как се нарича LlamaIndex първоначално, когато стартира?
    • DataChain
    • GPT индекс
    • VectorBase
    • LlamaHub
  3. Защо е необходимо извличане, вместо просто да поставите всичко в подканата?
    • LLM не могат да четат текстови файлове
    • Съхраняването на вграждания е незаконно
    • Моделите имат ограничени контекстни прозорци и не познават личните данни
    • Извличането кара моделите да се обучават по-бързо
  4. В тръбопровод на LlamaIndex какво се създава от всяка част от документ, за да се даде възможност за семантично търсене?
    • Компресиран ZIP файл
    • Ред от SQL таблица
    • Екранна снимка
    • Векторно вграждане
  5. За какво е създаден LlamaParse?
    • Разбор на сложни PDF файлове, таблици и документи за поглъщане
    • Разбор на изходния код в синтактични дървета
    • Разбор на аудио в преписи
    • Разбор на мрежови пакети
  6. Where do LlamaIndex node postprocessors run in the documented query pipeline?
    • Before documents are parsed or indexed
    • After retrieval and before response synthesis
    • Only after a final answer is returned
    • Between model pretraining and tokenizer training
  7. What does LlamaIndex’s SubQuestionQueryEngine do with a complex multi-source question?
    • Converts every document into a single unsearchable string
    • Runs only a fixed keyword lookup with no query planning
    • Creates subquestions for relevant data sources and synthesizes the intermediate responses
    • Fine-tunes the language model on the documents
  8. In a LlamaIndex query pipeline, what is the response synthesizer responsible for?
    • Choosing the original PDF files before ingestion
    • Training the embedding model from scratch
    • Replacing the retriever’s index with a file system
    • Combining the query and retrieved Nodes to produce a response