এমবেডিং কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. What is an embedding in the numerical representation sense used here?
   • A dictionary definition that must be stored verbatim
   • A required compression format for image files
   • A vector representing an item for a model or comparison task
   • An exact database row identifier only
2. What can closeness in a trained semantic embedding space indicate?
   • Similarity learned under that model’s objective
   • A guarantee that two statements are equally true
   • An identical byte sequence in every case
   • A universal relation independent of training
3. দুটি এমবেডিং তুলনা করতে সাধারণত কোন মেট্রিক ব্যবহার করা হয়?
   • ফাইলের আকারের পার্থক্য
   • বর্ণানুক্রমিক ক্রম
   • শব্দ গণনা
   • কোসাইন সাদৃশ্য
4. What tradeoff can an approximate embedding index such as HNSW introduce?
   • A guarantee of complete exact retrieval in every configuration
   • Faster search with possible missed exact nearest neighbors
   • A required change of every vector to a word definition
   • Automatic removal of all training-data bias
5. ক্লাসিক 'রাজা - পুরুষ + মহিলা ≈ রাণী' উদাহরণটি এমবেডিং সম্পর্কে কী প্রদর্শন করে?
   • তারা ভেক্টর পাটিগণিত মাধ্যমে সম্পর্ক ক্যাপচার করতে পারেন
   • তারা শব্দের সঠিক সংজ্ঞা সংরক্ষণ করে
   • তারা শুধুমাত্র রয়্যালটি শর্তাবলীর জন্য কাজ করে
   • তারা এলোমেলো এবং অর্থহীন
6. এমবেডিং ব্যবহার করার সময় কোনটি একটি বাস্তব ঝুঁকি?
   • এগুলি ডাটাবেসে সংরক্ষণ করা যায় না
   • তারা শুধুমাত্র ইংরেজিতে কাজ করে
   • তারা তাদের প্রশিক্ষণের ডেটাতে উপস্থিত পক্ষপাতগুলি উত্তরাধিকার সূত্রে পেতে এবং প্রতিফলিত করতে পারে
   • তারা সমস্ত অনুসন্ধানগুলিকে শুধুমাত্র সঠিক-মেলা করে
7. Two unit-length embedding vectors have dot product 0.8. What is their squared Euclidean distance?
   • 0.2
   • 0.4
   • 0.8
   • 1.6
8. When does an inner-product score equal cosine similarity for two nonzero embedding vectors?
   • Whenever their dimensions are equal
   • Whenever they came from two unrelated model families
   • Only when their coordinates are all zero
   • When both vectors have been normalized to unit length