গাইড লিঙ্ক ক্যুইজ · কঠিন স্তর
ColBERT এবং মাল্টি-ভেক্টর পুনরুদ্ধার ক্যুইজ
ColBERT-এর মাল্টি-ভেক্টর র্যাঙ্কিং, প্রার্থীর পুনঃর্যাঙ্কিং, ColPali নথি-পৃষ্ঠা পুনরুদ্ধার, এবং ColBERTv2 কীভাবে টোকেন উপস্থাপনাকে সংকুচিত করে তা অধ্যয়ন করুন।
প্রশ্ন 1 এর 8
ColBERT কিভাবে একটি নথি উপস্থাপন করে?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- ColBERT কিভাবে একটি নথি উপস্থাপন করে?
- যতগুলো প্রতি-টোকেন প্রাসঙ্গিক ভেক্টর
- একটি একক ঘন ভেক্টর হিসাবে
- কীওয়ার্ড গণনা একটি বিরল ব্যাগ হিসাবে
- শুধুমাত্র একটি কাঁচা পাঠ্য স্ট্রিং হিসাবে
- কোয়েরি-ডকুমেন্ট প্রাসঙ্গিকতা স্কোর করতে ColBERT কোন অপারেশন ব্যবহার করে?
- দুটি একক ভেক্টরের কোসাইন
- ম্যাক্সসিম: প্রতিটি ক্যোয়ারী টোকেনের সমষ্টি যেকোনো ডকুমেন্ট টোকেনের সাথে সেরা মিল
- পুরো শব্দভান্ডারে ক্রস-এনট্রপি
- BM25 টার্ম ফ্রিকোয়েন্সি
- কেন ColBERT স্কেলে ক্রস-এনকোডারের চেয়ে দ্রুত?
- এটি একটি ছোট শব্দভান্ডার ব্যবহার করে
- এটি সম্পূর্ণরূপে ক্যোয়ারী উপেক্ষা করে
- ডকুমেন্ট টোকেন এম্বেডিংগুলি প্রি-কম্পিউটেড এবং অফলাইনে ইনডেক্স করা হয়
- এটি প্রতিটি নথির শুধুমাত্র প্রথম শব্দ প্রক্রিয়া করে
- একক-ভেক্টর ঘন পুনরুদ্ধারের সাথে কোন সমস্যা ColBERT সমাধান করে?
- তারা সূচক খুব ধীর
- তারা নিউরাল নেটওয়ার্ক ব্যবহার করতে পারে না
- তাদের কোনো প্রশিক্ষণের তথ্যের প্রয়োজন নেই
- তারা একটি ভেক্টরে কম্প্রেস করার মাধ্যমে সূক্ষ্ম-দানাযুক্ত, টোকেন-স্তরের বিশদ হারায়
- ColBERTv2 কী কী উন্নতি করেছে?
- অবশিষ্ট সংকোচন যা সূচকের আকারকে ব্যাপকভাবে সঙ্কুচিত করে
- এটি সম্পূর্ণরূপে BERT সরিয়ে দিয়েছে
- এটি একক-ভেক্টর এনকোডিং-এ স্যুইচ করেছে
- এটা শুধুমাত্র ইমেজ উপর কাজ করে
- ColPali কি ColBERT-শৈলী দেরী মিথস্ক্রিয়া প্রয়োগ করে?
- অডিও তরঙ্গরূপ
- ডকুমেন্ট পেজের ইমেজ প্যাচ, যেমন পিডিএফ
- শুধুমাত্র একক কীওয়ার্ড
- ডাটাবেস টেবিল সারি
- 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
- 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