Kvíz spojený s průvodcem · Střední úroveň

Jemné ladění vs RAG vs Prompting Quiz

Testuje, jak diagnostikovat mezery ve znalostech, formátu, stylu a dovednostech, kdy RAG překonává jemné ladění a proč hodnotící sady řídí rozhodnutí.

Související vodicí cestyJemné ladění versus RAG versus výzva
Otázka 1 z 8

Model odpovídá na otázky týkající se cen vaší společnosti nesprávně, protože ceny se mění každé čtvrtletí. Který přístup nejlépe odpovídá této propasti?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Model odpovídá na otázky týkající se cen vaší společnosti nesprávně, protože ceny se mění každé čtvrtletí. Který přístup nejlépe odpovídá této propasti?
    • Dolaďte model na ceníku z minulého čtvrtletí
    • Použijte RAG k načtení aktuálních cenových dokumentů v době odpovědi
    • Snižte teplotu modelu
    • Přidejte do výzvy další příklady zdvořilých odpovědí
  2. Jaká je podle průvodce obvykle první páka, kterou je třeba vyzkoušet při problémech s formátem a stylem?
    • Úplné doladění
    • Vytvoření vektorové databáze
    • Výzva s jasnými pokyny a příklady
    • Přechod na větší model
  3. Proč je jemné ladění popisováno jako nespolehlivý způsob, jak přidat faktické znalosti?
    • Nemůže měnit hmotnosti modelu
    • Funguje pouze na obrazových modelech
    • Je obtížné jej aktualizovat a může zvýšit důvěryhodné chyby u zřídka viděného materiálu
    • Vždy vymaže stávající znalosti modelu
  4. Která situace jednoznačně podporuje jemné doladění?
    • Potřebujete provést úzký úkol při velkém objemu a chcete menší a levnější model, který by odpovídal většímu
    • Vaše dokumenty se mění každý den
    • Chcete odpovědi na citace zdrojových pasáží
    • Zatím jste nevytvořili žádné příklady hodnocení
  5. Co byste měli zkontrolovat v systému RAG, který dává špatné odpovědi, než obviníte jazykový model?
    • Datum školení modelky
    • Zda se v načtených výsledcích objeví správná pasáž
    • Počet jader GPU
    • Pouze délka systémové výzvy
  6. Co dělá LoRA v kontextu dolaďování?
    • Načte dokumenty z rejstříku vyhledávání
    • Komprimuje výzvy k uložení tokenů
    • Trénuje malé matice adaptérů namísto aktualizace všech hmotností modelu
    • Odstraňuje potřebu tréninkových dat
  7. Které tvrzení o kombinaci těchto tří metod je podle průvodce přesné?
    • Navzájem se vylučují a nelze je kombinovat
    • Produkční systémy často používají vyladěný model čtoucí načtený kontext, poháněný dobrou výzvou
    • RAG nahrazuje potřebu jakékoli výzvy
    • Jemné doladění musí vždy přijít před výzvou
  8. Co by mělo řídit volbu mezi výzvou, RAG a jemným doladěním?
    • Která metoda je nejnovější
    • Reprezentativní hodnotící sada měřící každou možnost
    • Výchozí nastavení dodavatele
    • Samotná velikost rozpočtu na školení