Mit dem Guide verknüpftes Quiz · Mittel Ebene

ColBERT Late Interaction Retrieval Quiz

Testen Sie ColBERT-Token-Vektoren, unabhängige Kodierung, MaxSim-Bewertung, Abfragezeitarbeit und die durch die ColBERTv2-Komprimierung angesprochenen Speicherkosten.

Verwandte FührungspfadeColbert Late Interaction Retrieval
Frage 1 von 8

Wie stellt ColBERT eine Abfrage oder ein Dokument dar?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Wie stellt ColBERT eine Abfrage oder ein Dokument dar?
    • Als einzelner gemittelter Einbettungsvektor
    • Es zählt nur das Roh-Keyword
    • So viele kontextbezogene Einbettungsvektoren auf Token-Ebene
    • Als Bild
  2. Wie heißt die von ColBERT verwendete Bewertungsfunktion?
    • MaxSim
    • Kosinus-Pooling
    • Softmax-Kreuzentropie
    • Strahlsuche
  3. What query-time work does ColBERT avoid by precomputing document token vectors?
    • All query encoding and all index access
    • Every comparison between a query token and document token
    • The need to store document representations
    • Joint transformer encoding of every query-document pair, while query encoding and similarity search still run
  4. Worauf bezieht sich das „spät“ in „späte Interaktion“?
    • Das Modell wird spät in der Pipeline trainiert
    • Die Interaktion zwischen Abfrage- und Dokument-Tokens wird nach der unabhängigen Codierung auf den Scoring-Schritt verschoben
    • Anfragen kommen spät in der Nacht
    • Dokumente werden nach der Bereitstellung hinzugefügt
  5. Welches Problem beim Single-Vector Dense Retrieval geht ColBERT an?
    • Die Indizierung ist zu langsam
    • Es kann nicht auf GPUs ausgeführt werden
    • Für jede Abfrage sind gekennzeichnete Daten erforderlich
    • Durch das Komprimieren einer ganzen Passage in einen Vektor gehen feinkörnige Details verloren
  6. Was hat ColBERTv2 gegenüber dem Original besonders verbessert?
    • Dadurch entfiel die Notwendigkeit jeglicher Einbettungen
    • Es wurde von BERT auf ein regelbasiertes System umgestellt
    • Es wurde eine Restkomprimierung hinzugefügt, um die Indexgröße erheblich zu verkleinern
    • Der MaxSim-Schritt wurde dadurch eliminiert
  7. A two-token ColBERT query has best document-token similarities of 0.8 and 0.3. What MaxSim score results?
    • 0.8, retaining only the single largest value across the whole query
    • 1.1, the sum of the two per-query-token maxima
    • 0.55, averaging instead of summing the maxima
    • 0.24, multiplying the two maxima
  8. Why can a ColBERT document index require more storage than a single-vector dense index?
    • It retains multiple token-level representations for each document
    • It never precomputes any document features
    • It must store all transformer gradients for each document
    • It removes every document token before indexing