গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর
ColBERT দেরী মিথস্ক্রিয়া পুনরুদ্ধার কুইজ
ColBERT টোকেন ভেক্টর, স্বাধীন এনকোডিং, ম্যাক্সসিম স্কোরিং, কোয়েরি-টাইম ওয়ার্ক এবং ColBERTv2 কম্প্রেশন দ্বারা সম্বোধনকৃত স্টোরেজ খরচ পরীক্ষা করুন।
প্রশ্ন 1 এর 8
ColBERT কিভাবে একটি প্রশ্ন বা নথি উপস্থাপন করে?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- ColBERT কিভাবে একটি প্রশ্ন বা নথি উপস্থাপন করে?
- একটি একক গড় এমবেডিং ভেক্টর হিসাবে
- কাঁচা কীওয়ার্ড হিসাবে শুধুমাত্র গণনা
- অনেক টোকেন-স্তরের প্রাসঙ্গিক এম্বেডিং ভেক্টর
- একটি ইমেজ হিসাবে
- ColBERT যে স্কোরিং ফাংশনটি ব্যবহার করে তাকে কী বলা হয়?
- ম্যাক্সসিম
- কোসাইন পুলিং
- সফটম্যাক্স ক্রস-এনট্রপি
- মরীচি অনুসন্ধান
- What query-time work does ColBERT avoid by precomputing document token vectors?
- All query encoding and all index access
- Every comparison between a query token and document token
- The need to store document representations
- Joint transformer encoding of every query-document pair, while query encoding and similarity search still run
- 'দেরী মিথস্ক্রিয়া'-তে 'দেরী' কী বোঝায়?
- মডেলটি পাইপলাইনে দেরিতে প্রশিক্ষণপ্রাপ্ত হয়
- প্রশ্ন এবং নথি টোকেনের মধ্যে মিথস্ক্রিয়া স্বাধীন এনকোডিংয়ের পরে স্কোরিং ধাপে স্থগিত করা হয়
- গভীর রাতে প্রশ্ন আসে
- নথি স্থাপনের পরে যোগ করা হয়
- একক-ভেক্টর ঘন পুনরুদ্ধারের সাথে কোন সমস্যা ColBERT সমাধান করে?
- এটা সূচক খুব ধীর
- এটি GPU তে চলতে পারে না
- প্রতিটি প্রশ্নের জন্য লেবেলযুক্ত ডেটা প্রয়োজন
- একটি ভেক্টরে একটি সম্পূর্ণ প্যাসেজ সংকুচিত করা সূক্ষ্ম-দানাযুক্ত বিশদ হারায়
- ColBERTv2 মূলের তুলনায় উল্লেখযোগ্যভাবে কী উন্নতি করেছে?
- এটি কোনো এমবেডিংয়ের প্রয়োজনকে সরিয়ে দিয়েছে
- এটি BERT থেকে একটি নিয়ম-ভিত্তিক সিস্টেমে পরিবর্তিত হয়েছে
- এটি সূচকের আকারকে ব্যাপকভাবে সঙ্কুচিত করার জন্য অবশিষ্ট সংকোচন যুক্ত করেছে
- এটি ম্যাক্সসিম পদক্ষেপটি বাদ দিয়েছে
- A two-token ColBERT query has best document-token similarities of 0.8 and 0.3. What MaxSim score results?
- 0.8, retaining only the single largest value across the whole query
- 1.1, the sum of the two per-query-token maxima
- 0.55, averaging instead of summing the maxima
- 0.24, multiplying the two maxima
- Why can a ColBERT document index require more storage than a single-vector dense index?
- It retains multiple token-level representations for each document
- It never precomputes any document features
- It must store all transformer gradients for each document
- It removes every document token before indexing