অনুমানমূলক RAG এবং পুনরুদ্ধার-অগমেন্টেড ড্রাফটিং কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. Speculative RAG-তে, ছোট মডেলটি কী ভূমিকা পালন করে?
   • এটি পুনরুদ্ধার করা নথি উপসেট থেকে একাধিক প্রার্থীর উত্তর খসড়া করে
   • এটি চূড়ান্ত উত্তর যাচাই করে এবং র‌্যাঙ্ক করে
   • এটি ভেক্টর ডাটাবেস সংরক্ষণ করে
   • এটি শুধুমাত্র টোকেনাইজেশন পরিচালনা করে
2. কেন পুনরুদ্ধার করা নথি খসড়া করার আগে ক্লাস্টার করা হয়?
   • তাদের একটি একক টোকেনে সংকুচিত করতে
   • বিভিন্ন খসড়ার জন্য বিভিন্ন, অপ্রয়োজনীয় প্রমাণ উপসেট গঠন করতে
   • ডুপ্লিকেট মডেল মুছে ফেলার জন্য
   • মডেল এর শব্দভান্ডার বৃদ্ধি
3. বৃহত্তর 'ভেরিফায়ার' মডেল প্রাথমিকভাবে কী করে?
   • পুনরুদ্ধার করা নথিগুলি তৈরি করুন
   • এমবেডিং মডেল প্রশিক্ষণ
   • প্রার্থীর খসড়া স্কোর করুন এবং সেরাটি নির্বাচন করুন
   • নথি ক্লাস্টার
4. কিভাবে Speculative RAG স্ট্যান্ডার্ড RAG এর তুলনায় বিলম্ব কমায়?
   • পুনরুদ্ধার সম্পূর্ণভাবে এড়িয়ে যাওয়ার মাধ্যমে
   • কোনো নথি ছাড়াই একটি ছোট প্রসঙ্গ উইন্ডো ব্যবহার করে
   • ব্যবহারকারীর প্রশ্ন ক্যাশে করে
   • একটি ছোট মডেল থাকার দ্বারা সমান্তরাল খসড়া তৈরি করে যাতে বড় মডেলটি শুধুমাত্র ছোট খসড়াগুলি পরীক্ষা করে
5. ড্রাফটার দ্বারা উত্পাদিত প্রতিটি খসড়া সাধারণত অন্তর্ভুক্ত করে:
   • একটি যুক্তি ব্যাখ্যা উত্তর
   • মডেল ওজন একটি নতুন সেট
   • সম্পূর্ণ ভেক্টর সূচক
   • সমস্ত ব্যবহারকারীর একটি তালিকা
6. অনুমানমূলক RAG-এর খসড়া-পরে-যাচাই কাঠামো ধারণাগতভাবে কোন ডিকোডিং কৌশলের অনুরূপ?
   • মরীচি অনুসন্ধান ছাঁটাই
   • অনুমানমূলক ডিকোডিং
   • লোভী নমুনা
   • টপ-কে ফিল্টারিং
7. What information can the Speculative RAG verifier use when ranking candidate drafts?
   • Only the length of each document
   • The GPU type and cluster name
   • Draft consistency, rationale likelihood and a self-reflection signal
   • A random choice among the drafts
8. Why sample documents from different clusters for separate drafts?
   • To ensure every draft sees identical passages
   • To remove all retrieved evidence
   • To make each drafter use a different tokenizer
   • To give the drafts diverse, less-redundant evidence subsets