ঘন উত্তরণ পুনরুদ্ধার ক্যুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. ঘন প্যাসেজ পুনরুদ্ধার কিভাবে সিদ্ধান্ত নেয় কোন প্যাসেজ একটি প্রশ্নের সাথে মেলে?
   • সাদৃশ্য দ্বারা প্রশ্ন এবং প্যাসেজের ঘন ভেক্টর উপস্থাপনা তুলনা করা
   • প্রতিটি নথিতে কতগুলি প্রশ্নের শব্দ উপস্থিত হবে তা গণনা করা হচ্ছে
   • অনুসন্ধান করার আগে এসকিউএল-এ ক্যোয়ারী অনুবাদ করা হচ্ছে
   • দস্তাবেজগুলিকে কীভাবে সম্প্রতি প্রকাশিত হয়েছে তার ভিত্তিতে বিশুদ্ধভাবে র‌্যাঙ্কিং করা
2. DPR একটি 'দ্বি-এনকোডার' আর্কিটেকচার ব্যবহার করে। এর মানে কি?
   • এটা দুইবার টেক্সট এনকোড করে এবং ফলাফল গড় করে
   • এটি শুধুমাত্র দ্বিভাষিক নথিতে কাজ করে
   • এটি একই সাথে অক্ষর এবং শব্দ উভয়কে এনকোড করে
   • এটি দুটি পৃথক এনকোডার ব্যবহার করে, একটি প্রশ্নের জন্য এবং একটি প্যাসেজের জন্য
3. ডিপিআর-এ কেন প্যাসেজ ভেক্টর আগে থেকেই গণনা করা যায়?
   • কারণ অনুচ্ছেদ একবার লিখলে পরিবর্তন হয় না
   • কারণ অনুসন্ধানের সময় ক্যোয়ারী এনকোডার নিষ্ক্রিয় থাকে
   • কারণ প্রতিটি প্যাসেজ যেকোনো প্রশ্নের থেকে স্বাধীনভাবে এনকোড করা হয়
   • কারণ প্যাসেজগুলি শুধুমাত্র কাঁচা টেক্সট হিসাবে সংরক্ষণ করা হয়
4. কোন প্রশিক্ষণের কৌশলটি ডিপিআরকে সস্তায় অনেক নেতিবাচক উদাহরণ তৈরি করতে দেয়?
   • এলোমেলো লেবেল ফ্লিপিং
   • ইন-ব্যাচ নেগেটিভ, একই ব্যাচের অন্যান্য প্যাসেজ ব্যবহার করে
   • অর্ধেক নিউরন ড্রপ আউট
   • ম্যানুয়ালি প্রতিটি ভুল উত্তরণ লেবেল করা
5. For what vocabulary mismatch can learned DPR representations be useful compared with lexical matching alone?
   • The passage is unrelated but repeats the query's terms
   • Every query contains only an exact serial number
   • The encoder is guaranteed to retrieve the right answer for all inputs
   • A relevant passage expresses a query's idea using different words
6. DPR-এর নিকটতম-প্রতিবেশীর অনুসন্ধান দ্রুত স্কেলে করতে সাধারণত কোন টুল ব্যবহার করা হয়?
   • একটি আনুমানিক নিকটতম-প্রতিবেশী সূচক যেমন FAISS
   • একটি স্প্রেডশীট বাছাই
   • একটি নিয়মিত এক্সপ্রেশন ইঞ্জিন
   • একটি রিলেশনাল ডাটাবেস যোগদান
7. Why can BM25-retrieved nonanswer passages be useful hard negatives when training DPR?
   • They guarantee that every retrieved passage is irrelevant
   • Their lexical overlap can make them challenging distractors that the retriever must distinguish from the answer passage
   • They remove the need for a positive answer passage
   • They force the passage encoder to count words without learning
8. After changing DPR's passage encoder, what should happen to a stored passage-vector index?
   • Keep the old embeddings because encoder weights cannot affect vectors
   • Rename the index without recalculating any representation
   • Recompute the passage embeddings with the intended compatible encoder and update the index
   • Disable the query encoder and search raw filenames instead