Kvíz spojený s průvodcem · Střední úroveň
Opravný RAG (CRAG) kvíz
Testuje opravný RAG: hodnotitel vyhledávání, správné, nesprávné a nejednoznačné akce, upřesňování znalostí a kompromisy při vyhledávání na webu.
Otázka 1 z 8
Jakou hlavní slabinu standardního RAG řeší CRAG?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jakou hlavní slabinu standardního RAG řeší CRAG?
- Generátor důvěřuje čemukoli, co retrívr vrátí
- Vložení je příliš malé
- Modelky neumí číst dlouhé dokumenty
- Vektorové databáze jsou příliš pomalé
- Jaký model sloužil v původním článku CRAG jako vyhodnocovatel vyhledávání?
- Velký generátor ve stylu GPT
- Vyladěný model T5-large
- Index BM25
- Lidský recenzent
- Co dělá CRAG, když všechny získané dokumenty mají nízké skóre?
- Každopádně odpovědi z dokumentů
- Vrátí uživateli chybu
- Zahodí je, přepíše dotaz a použije vyhledávání na webu
- Zdvojnásobí počet načtených dokumentů ze stejného indexu
- Jaký je účel kroku rozložit a poté znovu skládat?
- K překladu dokumentů do jiného jazyka
- Ke kompresi vložení
- Seřadit webové stránky podle oblíbenosti
- Chcete-li dokumenty rozdělit na pruhy a ponechat si pouze relevantní části
- Když si hodnotitel není jistý relevanci, jaké opatření CRAG podnikne?
- Nejednoznačné: spojte vytříbené interní znalosti s webovými výsledky
- Správně: používejte pouze interní dokumenty
- Nesprávně: použít pouze webové výsledky
- Zastavte se a požádejte uživatele o přeformulování
- Které tvrzení o CRAG je podle průvodce mylnou představou?
- Zvyšuje náklady a latenci
- Může zabalit další metody RAG
- CRAG ověří, že konečná odpověď je správná
- Může použít vyhledávání na webu jako záložní řešení
- Jaký je kompromis nastavení velmi přísného prahu relevance?
- Slabé dokumenty proklouzávají častěji
- Záložní funkce se spouští často a přidávají webová volání a latenci
- Systém přestane používat vyhodnocovací zařízení
- Odpovědi jsou kratší
- Proč zaznamenávat cestu (správná, nejednoznačná, nesprávná) každý dotaz?
- Vyžaduje to licence CRAG
- Automaticky trénuje model vkládání
- Odstraňuje potřebu prahů
- Odhaluje mezery v pokrytí ve znalostní bázi, které stojí za to opravit