Kvíz spojený s průvodcem · Střední úroveň
Kvíz o maximální marginální relevanci
Otestujte hodnocení relevance-diverzity MMR, chamtivý výběr, aktualizace redundance uložené v mezipaměti a limity stanovené počátečním fondem kandidátů na vyhledávání.
Otázka 1 z 8
Jaký je hlavní problém, který má MMR vyřešit?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jaký je hlavní problém, který má MMR vyřešit?
- Pomalá latence dotazů ve velkých databázích
- Nesprávný pravopis v uživatelských dotazech
- Nadbytečné, téměř duplicitní výsledky z čistého hodnocení relevance
- Nedostatek trénovacích dat pro vkládání
- Co ve vzorci MMR zdůrazňuje hodnota lambda blízká 1?
- Čistá relevance k dotazu
- Maximální rozmanitost mezi výsledky
- Stejná váha všech kandidátů
- Náhodný výběr
- Jak MMR vybírá své výsledky?
- Vše najednou seřazením jednoho skóre
- Náhodně s pevným semenem
- Podle abecedního pořadí dokumentů
- Nenasytně, jeden po druhém, v porovnání s již vybranými položkami
- How can an embedding-based MMR implementation measure query relevance and document redundancy?
- Using only a document's filename length
- Using a similarity measure such as cosine, without MMR requiring that one measure universally
- Using a mandatory audio-transcription score for all text
- Using no relevance or inter-document comparison at all
- Proč je MMR zvláště užitečné při získávání rozšířené generace (RAG)?
- Poskytuje doplňkové, neredundantní části důkazů
- Stlačuje závaží modelu
- Automaticky dolaďuje jazykový model
- Šifruje načtené dokumenty
- If MMR caches each candidate's maximum redundancy and updates it against each new selection, roughly how many similarities are needed for k picks from n candidates?
- Always constant time independent of k and n
- Exactly n factorial for every implementation
- About k times n, ignoring vector dimension and initial setup
- No document comparisons after the first query score
- With lambda equal to 0.5, relevance 0.8, and maximum selected-item similarity 0.9, what is a candidate's MMR scoring term?
- 0.85, from averaging the two similarities
- Minus 0.05, from 0.5 times 0.8 minus 0.5 times 0.9
- 0.72, from multiplying relevance and redundancy
- 1.7, from adding the two similarities
- Can an MMR reranker select a relevant document that the upstream retrieval candidate pool omitted?
- Yes; diversity scoring invents missing source documents
- Yes; a lower lambda automatically searches the whole corpus
- Yes; reranking changes the document's original publication date
- No; it chooses among the supplied candidates unless the upstream pool is expanded