Kvíz spojený s průvodcem · Těžko úroveň

ColBERT a Multi-Vector Retrieval Quiz

Prostudujte si vícevektorové hodnocení ColBERT, přehodnocení kandidátů, načítání stránky dokumentů ColPali a jak ColBERTv2 komprimuje reprezentace tokenů.

Otázka 1 z 8

Jak ColBERT představuje dokument?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jak ColBERT představuje dokument?
    • Tolik kontextových vektorů na token
    • Jako jediný hustý vektor
    • Jako řídký pytel klíčových slov se počítá
    • Pouze jako nezpracovaný textový řetězec
  2. Jakou operaci používá ColBERT k hodnocení relevance dotazu a dokumentu?
    • Kosinus dvou jednotlivých vektorů
    • MaxSim: součet nejlepší shody každého tokenu dotazu s jakýmkoli tokenem dokumentu
    • Křížová entropie přes celou slovní zásobu
    • Termínová frekvence BM25
  3. Proč je ColBERT v měřítku rychlejší než křížový kodér?
    • Používá menší slovní zásobu
    • Dotaz zcela ignoruje
    • Vložení tokenu dokumentu je předem vypočítáno a indexováno offline
    • Zpracovává pouze první slovo každého dokumentu
  4. Jaký problém s jednovektorovými hustými retrívry ColBERT řeší?
    • Jsou příliš pomalé na indexování
    • Neumí používat neuronové sítě
    • Nevyžadují žádná tréninková data
    • Komprimací do jednoho vektoru ztrácejí jemnozrnné detaily na úrovni tokenů
  5. Jaké klíčové vylepšení ColBERTv2 představil?
    • Zbytková komprese, která výrazně zmenší velikost indexu
    • Úplně to odstranilo BERT
    • Přešlo na jednovektorové kódování
    • Funguje pouze na obrázky
  6. Na co ColPali aplikuje pozdní interakci ve stylu ColBERT?
    • Zvukové křivky
    • Obrazové záplaty stránek dokumentu, jako jsou soubory PDF
    • Pouze jednotlivá klíčová slova
    • Řádky databázové tabulky
  7. In a two-stage search system, what role can ColBERT play after a fast first-stage retriever?
    • Generate the source documents from scratch
    • Replace the query with a document title
    • Rerank the candidate passages using contextual token-level matching
    • Discard every candidate before scoring
  8. What does ColBERTv2's residual compression store for a token vector?
    • Only the raw document text with no vector data
    • A full copy of the language model for each token
    • One shared vector for the entire document
    • A centroid code together with a compact residual representation