Mit dem Guide verknüpftes Quiz · Mittel Ebene

Vektordatenbanken-Quiz

Überprüfen Sie den Einbettungsspeicher, die Modellmigration, die exakte versus ungefähre Suche, Ähnlichkeitsgrenzen, Berechtigungen, Löschung, Relevanz und Index-Fallback.

Verwandte FührungspfadeVektordatenbanken
Frage 1 von 8

Was sollte eine Vektordatenbank neben jedem indizierten Einbettungsvektor verfügbar halten?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Was sollte eine Vektordatenbank neben jedem indizierten Einbettungsvektor verfügbar halten?
    • Originalinhalt, eine Quellidentifikation und relevante Metadaten
    • Nur der numerische Vektor, wobei das Quell-Datensatz verworfen wird
    • Nur ein Ähnlichkeitswert, der zum Zeitpunkt der Aufnahme berechnet wird
    • Eine modellgenerierte Antwort ohne Verweis auf das zugrunde liegende Element
  2. Ein Index verwendet Einbettungsmodell A, und ein neuer Abfrageservice verwendet Modell B mit derselben Vektorlänge. Was ist der sichere Migrationsplan?
    • Mische die Vektoren beider Modelle, weil übereinstimmende Dimensionen die Kompatibilität beweisen
    • Ändere nur den Distanzschwellenwert und lasse die gespeicherten Vektoren unverändert
    • Erstelle und evaluiere einen separat versionierten Modell‑B‑Index, bevor du die Abfragen umstellst
    • Lösche die Originaldokumente und behalte die alten Einbettungen bei
  3. Welchen Kompromiss kann die approximative nächstnachbar‑Suche im Vergleich zur exakten Suche eingehen?
    • Sie beweist, dass jeder abgerufene Datensatz faktisch korrekt ist
    • Sie kann Geschwindigkeit oder Speichereffizienz gewinnen, dabei jedoch etwas Retrieval‑Genauigkeit verlieren
    • Sie garantiert niedrigere Latenz und identischen Recall in jeder Sammlung
    • Sie eliminiert die Notwendigkeit, die Relevanz an repräsentativen Abfragen zu testen
  4. Eine Suche gibt die kleinste numerische Vektordistanz in der Sammlung zurück. Was stellt diese Distanz fest?
    • Das Quelldokument wird als wahr verifiziert
    • Der Benutzer ist berechtigt, das Dokument zu lesen
    • Das Ergebnis ist eine kalibrierte Wahrscheinlichkeit für die Richtigkeit der Antwort
    • Nur die relative Nähe unter der gewählten Darstellung und Distanzfunktion
  5. Ein Dokument wurde aus der Quellsammlung entfernt. Was muss der Index-Workflow verhindern?
    • Die Neuberechnung der Dokumentmetadaten, falls es später zurückkehrt
    • Dass das alte Embedding das entfernte Dokument weiterhin auffindbar macht
    • Dass neue Dokumente andere Quellenkennungen erhalten
    • Dass das Abfrage-Embedding zum Zeitpunkt der Anfrage generiert wird
  6. Wie sollten Metadatenfilter verwendet werden, wenn verschiedene Benutzer auf unterschiedliche Dokumente zugreifen können?
    • Den zulässigen Bereich jedes anfragenden Benutzers vor der Anzeige von Ergebnissen durchsetzen
    • Dieselbe breite Sammlung für alle verwenden und dann den Quellenlink ausblenden
    • Einen hohen Ähnlichkeitswert als Beweis für Zugriffsrechte behandeln
    • Filter nur anwenden, wenn der Benutzer ausdrücklich danach fragt
  7. Ein neuer Index macht Abfragen schneller, liefert aber weniger nützliche Passagen. Welche Evaluierung hat gefehlt?
    • Nur die Anzahl der pro Shard gespeicherten Vektoren
    • Nur einen Serverlatenz-Benchmark für eine leere Sammlung
    • Nur eine Überprüfung, ob beide Modelle Zahlen ausgeben
    • Aufgabenrelevanz und Abruftreue bei repräsentativen Abfragen
  8. Welchen operationellen Fall sollte ein Vektorsuch-Design vor der Veröffentlichung testen?
    • Nur einen statischen Index ohne Dokumentaktualisierungen
    • Nur Abfragen von einem Administratorenkonto
    • Gleichzeitige Aktualisierungen und Fallback-Verhalten, wenn der Index nicht verfügbar ist
    • Nur die in einem Protokoll ausgegebene Embedding-Dimension des Modells