গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

টেক্সট এমবেডিং কুইজ

কোসাইন স্কোরিং, ঘন পুনরুদ্ধার, বাক্য-বিইআরটি পুলিং, এবং স্বাধীনভাবে এনকোড করা পাঠ্য সহ পাঠ্য ভেক্টর এবং প্রাসঙ্গিক উপস্থাপনাগুলি পর্যালোচনা করুন।

সম্পর্কিত গাইড পাথটেক্সট এম্বেডিং
প্রশ্ন 1 এর 8

What does a text embedding supply for a language comparison task?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. What does a text embedding supply for a language comparison task?
    • A required spoken audio recording
    • A verbatim dictionary entry for every coordinate
    • A numerical vector representation of text
    • Only a grammar-repair instruction
  2. In a representation trained to capture synonym similarity, what relationship is desirable for happy and joyful?
    • A relatively high similarity under the chosen scoring method
    • A mandatory identical vector for every word
    • A guarantee they are synonyms in every possible context
    • A requirement that neither word can be encoded
  3. Word2Vec এবং GloVe এর মতো প্রাথমিক শব্দ এম্বেডিংয়ের মূল সীমাবদ্ধতা কী ছিল?
    • এগুলি কম্পিউটারে সংরক্ষণ করা যায় না
    • তারা শুধুমাত্র ইমেজ জন্য কাজ
    • তাদের কোনো প্রশিক্ষণের তথ্যের প্রয়োজন ছিল না
    • প্রসঙ্গ নির্বিশেষে প্রতিটি শব্দের একটি একক স্থির ভেক্টর ছিল, তাই 'ব্যাঙ্ক' মানে সর্বত্র একই জিনিস
  4. আধুনিক প্রাসঙ্গিক এম্বেডিং কিভাবে স্ট্যাটিক শব্দ এমবেডিং এর উন্নতি করে?
    • তারা প্রতিনিধিত্ব থেকে সমস্ত সংখ্যা মুছে ফেলে
    • তারা একটি শব্দকে তার পার্শ্ববর্তী বাক্যের উপর নির্ভর করে একটি ভিন্ন ভেক্টর দেয়
    • তারা শুধুমাত্র প্রতিটি শব্দের প্রথম অক্ষর এমবেড করে
    • তারা প্রতিটি শব্দের ভেক্টরকে অভিন্ন করে তোলে
  5. Which documented default similarity method does Sentence Transformers use for embedding comparison?
    • কোসাইন সাদৃশ্য
    • Alphabetical order
    • Document creation date
    • Character count alone
  6. What role can compatible text vectors play in a dense-retrieval RAG pipeline?
    • Guaranteeing every generated claim is correct
    • Eliminating the source corpus
    • Ranking candidate passages before they are supplied as context
    • Training a new language model on every query
  7. Which pooling strategy is the stated default in the original Sentence-BERT paper?
    • A mandatory maximum over every possible vocabulary item
    • Mean pooling of output token vectors
    • Concatenation of all corpus documents
    • Randomly selecting an unchanged input byte
  8. Which Sentence-BERT design allows stored sentences to be encoded before a new comparison sentence arrives?
    • Mandatory joint processing of every possible pair
    • Rebuilding encoder weights for each candidate
    • Encoding only the final comparison score
    • Independent sentence encoding through its siamese architecture