Prueba de incrustaciones

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. What is an embedding in the numerical representation sense used here?
   • A dictionary definition that must be stored verbatim
   • A required compression format for image files
   • A vector representing an item for a model or comparison task
   • An exact database row identifier only
2. What can closeness in a trained semantic embedding space indicate?
   • Similarity learned under that model’s objective
   • A guarantee that two statements are equally true
   • An identical byte sequence in every case
   • A universal relation independent of training
3. ¿Qué métrica se usa comúnmente para comparar dos incrustaciones?
   • diferencia de tamaño de archivo
   • Orden alfabético
   • recuento de palabras
   • Similitud del coseno
4. What tradeoff can an approximate embedding index such as HNSW introduce?
   • A guarantee of complete exact retrieval in every configuration
   • Faster search with possible missed exact nearest neighbors
   • A required change of every vector to a word definition
   • Automatic removal of all training-data bias
5. ¿Qué demuestra el ejemplo clásico de 'rey - hombre + mujer ≈ reina' sobre las incrustaciones?
   • Pueden capturar relaciones mediante aritmética vectorial.
   • Almacenan definiciones exactas de palabras.
   • Sólo funcionan por términos de regalías.
   • Son aleatorios y sin sentido.
6. ¿Cuál es un riesgo real al utilizar incrustaciones?
   • No se pueden almacenar en una base de datos.
   • Solo trabajan en ingles.
   • Pueden heredar y reflejar sesgos presentes en sus datos de entrenamiento.
   • Realizan todas las búsquedas solo con coincidencias exactas.
7. Two unit-length embedding vectors have dot product 0.8. What is their squared Euclidean distance?
   • 0.2
   • 0.4
   • 0.8
   • 1.6
8. When does an inner-product score equal cosine similarity for two nonzero embedding vectors?
   • Whenever their dimensions are equal
   • Whenever they came from two unrelated model families
   • Only when their coordinates are all zero
   • When both vectors have been normalized to unit length