Κουίζ με κουκουνάρι

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

1. Τι αποθηκεύει και αναζητά κυρίως το Pinecone;
   • Διανυσματικές ενσωματώσεις που αντιπροσωπεύουν το νόημα των δεδομένων
   • Ακατέργαστοι πίνακες SQL γραμμών και στηλών
   • Μεταγλωττισμένα βάρη μοντέλων μηχανικής εκμάθησης
   • Κρυπτογραφημένοι κωδικοί πρόσβασης χρήστη
2. Γιατί το Pinecone συνδυάζεται συνήθως με μεγάλα γλωσσικά μοντέλα;
   • Εκπαιδεύει το γλωσσικό μοντέλο από την αρχή
   • Παρέχει εξωτερική μνήμη ώστε το μοντέλο να μπορεί να ανακτήσει σχετικά γεγονότα (RAG)
   • Συμπιέζει το μοντέλο ώστε να λειτουργεί σε τηλέφωνα
   • Μεταφράζει την έξοδο του μοντέλου σε άλλες γλώσσες
3. How does Pinecone describe its serverless index algorithms?
   • It uses HNSW for every serverless index
   • Users must manually select one universal algorithm
   • It selects proprietary algorithms such as Ananas, PQFS, or IVF with PQFS by slab size
   • It searches only by exact string match
4. What architecture change does Pinecone highlight in its serverless database?
   • Every vector must be stored in one local in-memory graph
   • Each user must operate a separate physical database
   • Queries are answered without reading or scoring vectors
   • Storage and compute are decoupled so relevant index portions can be loaded for a query
5. Πώς μετριέται συνήθως η ομοιότητα μεταξύ δύο διανυσμάτων;
   • Με συνημιτονική απόσταση ή κουκκίδα γινόμενο
   • Με το μέγεθος του αρχείου τους σε megabyte
   • Μέχρι την ημερομηνία δημιουργίας τους
   • Με την καταμέτρηση κοινών ακριβών λέξεων-κλειδιών
6. Για ποια εργασία είναι κατάλληλο το Pinecone;
   • Αποθήκευση και απόδοση τρισδιάστατων γραφικών βιντεοπαιχνιδιών
   • Εύρεση εγγράφων παρόμοιας σημασίας με ένα ερώτημα
   • Εκτέλεση τύπων υπολογιστικών φύλλων
   • Μεταγλώττιση πηγαίου κώδικα
7. What is a key step before using retrieved Pinecone matches in a generated answer?
   • Assume the nearest vector is always a correct source
   • Ignore metadata and access controls
   • Evaluate whether the retrieved records are relevant and current for the query
   • Treat retrieval as proof the model’s response is correct
8. What kinds of searchable data do current Pinecone serverless indexes support?
   • Only image files with no metadata
   • Only one fixed embedding model
   • Only SQL tables with no text fields
   • Depending on schema, dense vectors, sparse vectors, and full-text-search fields