Kvíz spojený s průvodcem · Střední úroveň

Kvíz o načítání hustého průchodu

Testujte kodéry dotazů a pasáží DPR, bodové hodnocení produktu, negativy v dávce a BM25 a potřebu aktualizovat index při změně vložení.

Související vodicí cestyNačítání hustého průchodu
Otázka 1 z 8

Jak se načítání husté pasáže rozhoduje, které pasáže odpovídají dotazu?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jak se načítání husté pasáže rozhoduje, které pasáže odpovídají dotazu?
    • Porovnání hustých vektorových reprezentací dotazů a pasáží podle podobnosti
    • Počítání, kolik slov dotazu se vyskytuje v každém dokumentu
    • Překlad dotazu do SQL před hledáním
    • Hodnocení dokumentů čistě podle toho, jak nedávno byly zveřejněny
  2. DPR používá architekturu „bi-kodéru“. co to znamená?
    • Text dvakrát zakóduje a výsledky zprůměruje
    • Funguje pouze na dvojjazyčných dokumentech
    • Kóduje současně znaky i slova
    • Používá dva samostatné kodéry, jeden pro dotazy a jeden pro pasáže
  3. Proč lze v DPR vypočítat vektory průchodu předem?
    • Protože pasáže se po napsání nikdy nezmění
    • Protože kodér dotazu je v době vyhledávání deaktivován
    • Protože každá pasáž je zakódována nezávisle na jakémkoli dotazu
    • Protože pasáže jsou uloženy pouze jako nezpracovaný text
  4. Jaký tréninkový trik umožňuje DPR generovat mnoho negativních příkladů levně?
    • Náhodné převrácení štítku
    • Negativy v dávce s použitím jiných pasáží ve stejné dávce
    • Vypadne polovina neuronů
    • Ruční označení každé špatné pasáže
  5. For what vocabulary mismatch can learned DPR representations be useful compared with lexical matching alone?
    • The passage is unrelated but repeats the query's terms
    • Every query contains only an exact serial number
    • The encoder is guaranteed to retrieve the right answer for all inputs
    • A relevant passage expresses a query's idea using different words
  6. Jaký nástroj se běžně používá k rychlému vyhledávání nejbližších sousedů DPR ve velkém měřítku?
    • Přibližný index nejbližšího souseda, jako je FAISS
    • Řazení tabulky
    • Modul regulárních výrazů
    • Spojení relační databáze
  7. Why can BM25-retrieved nonanswer passages be useful hard negatives when training DPR?
    • They guarantee that every retrieved passage is irrelevant
    • Their lexical overlap can make them challenging distractors that the retriever must distinguish from the answer passage
    • They remove the need for a positive answer passage
    • They force the passage encoder to count words without learning
  8. After changing DPR's passage encoder, what should happen to a stored passage-vector index?
    • Keep the old embeddings because encoder weights cannot affect vectors
    • Rename the index without recalculating any representation
    • Recompute the passage embeddings with the intended compatible encoder and update the index
    • Disable the query encoder and search raw filenames instead