Quiz lié à un guide · Moyen Niveau

Quiz de récupération des interactions tardives ColBERT

Testez les vecteurs de jetons ColBERT, l'encodage indépendant, la notation MaxSim, le travail au moment de la requête et les coûts de stockage traités par la compression ColBERTv2.

Chemins de guidage associésRécupération tardive des interactions de Colbert
Question 1 de 8

Comment ColBERT représente-t-il une requête ou un document ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Comment ColBERT représente-t-il une requête ou un document ?
    • En tant que vecteur d'intégration moyenné unique
    • Comme le mot-clé brut ne compte que
    • Autant de vecteurs d'intégration contextuelle au niveau du jeton
    • En guise d'image
  2. Comment s’appelle la fonction de notation utilisée par ColBERT ?
    • MaxSim
    • Regroupement de cosinus
    • Entropie croisée Softmax
    • Recherche de faisceau
  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. À quoi fait référence le terme « tardif » dans « interaction tardive » ?
    • Le modèle est formé tard dans le pipeline
    • L'interaction entre les jetons de requête et de document est reportée à l'étape de notation après un codage indépendant
    • Les requêtes arrivent tard dans la nuit
    • Les documents sont ajoutés après le déploiement
  5. Quel problème de récupération dense à vecteur unique ColBERT résout-il ?
    • L'indexation est trop lente
    • Il ne peut pas fonctionner sur des GPU
    • Il nécessite des données étiquetées pour chaque requête
    • La compression d'un passage entier en un seul vecteur fait perdre des détails fins
  6. Qu’est-ce que ColBERTv2 a considérablement amélioré par rapport à l’original ?
    • Cela a supprimé le besoin de toute intégration
    • Il est passé de BERT à un système basé sur des règles
    • Il a ajouté une compression résiduelle pour réduire considérablement la taille de l'index
    • Il a éliminé l'étape MaxSim
  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