সর্বোচ্চ প্রান্তিক প্রাসঙ্গিক কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. প্রাথমিক সমস্যা কি MMR সমাধান করার জন্য ডিজাইন করা হয়েছে?
   • বড় ডাটাবেসে ধীর ক্যোয়ারী লেটেন্সি
   • ব্যবহারকারীর প্রশ্নে ভুল বানান
   • খাঁটি প্রাসঙ্গিক র‌্যাঙ্কিং থেকে অপ্রয়োজনীয়, কাছাকাছি-সদৃশ ফলাফল
   • এমবেডিংয়ের জন্য প্রশিক্ষণ ডেটার অভাব
2. MMR সূত্রে, 1 এর কাছাকাছি একটি ল্যাম্বডা মান কিসের উপর জোর দেয়?
   • প্রশ্নের বিশুদ্ধ প্রাসঙ্গিকতা
   • ফলাফলের মধ্যে সর্বাধিক বৈচিত্র্য
   • সব প্রার্থীর সমান ওজন
   • এলোমেলো নির্বাচন
3. কিভাবে MMR তার ফলাফল নির্বাচন করে?
   • একক স্কোর বাছাই করে সব একবারে
   • এলোমেলোভাবে একটি নির্দিষ্ট বীজ দিয়ে
   • নথির বর্ণানুক্রমিক ক্রম অনুসারে
   • লোভের সাথে, এক সময়ে, ইতিমধ্যে নির্বাচিত আইটেমগুলির সাথে তুলনা করে
4. How can an embedding-based MMR implementation measure query relevance and document redundancy?
   • Using only a document's filename length
   • Using a similarity measure such as cosine, without MMR requiring that one measure universally
   • Using a mandatory audio-transcription score for all text
   • Using no relevance or inter-document comparison at all
5. কেন MMR বিশেষ করে পুনরুদ্ধার-বর্ধিত প্রজন্ম (RAG) জন্য দরকারী?
   • এটি পরিপূরক, অ-অপ্রয়োজনীয় প্রমাণ অংশ সরবরাহ করে
   • এটি মডেলের ওজনকে সংকুচিত করে
   • এটি স্বয়ংক্রিয়ভাবে ভাষার মডেলকে সূক্ষ্ম সুর করে
   • এটি পুনরুদ্ধার করা নথি এনক্রিপ্ট করে
6. If MMR caches each candidate's maximum redundancy and updates it against each new selection, roughly how many similarities are needed for k picks from n candidates?
   • Always constant time independent of k and n
   • Exactly n factorial for every implementation
   • About k times n, ignoring vector dimension and initial setup
   • No document comparisons after the first query score
7. With lambda equal to 0.5, relevance 0.8, and maximum selected-item similarity 0.9, what is a candidate's MMR scoring term?
   • 0.85, from averaging the two similarities
   • Minus 0.05, from 0.5 times 0.8 minus 0.5 times 0.9
   • 0.72, from multiplying relevance and redundancy
   • 1.7, from adding the two similarities
8. Can an MMR reranker select a relevant document that the upstream retrieval candidate pool omitted?
   • Yes; diversity scoring invents missing source documents
   • Yes; a lower lambda automatically searches the whole corpus
   • Yes; reranking changes the document's original publication date
   • No; it chooses among the supplied candidates unless the upstream pool is expanded