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.
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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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