Quiz sur les intégrations

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

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. Quelle métrique est couramment utilisée pour comparer deux intégrations ?
   • Différence de taille de fichier
   • Ordre alphabétique
   • Nombre de mots
   • Similitude cosinus
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. Que démontre l'exemple classique « roi - homme + femme ≈ reine » à propos des intégrations ?
   • Ils peuvent capturer les relations grâce à l'arithmétique vectorielle
   • Ils stockent les définitions exactes des mots
   • Ils ne fonctionnent que pour des conditions de redevances
   • Ils sont aléatoires et dénués de sens
6. Quel est le risque réel lors de l’utilisation des intégrations ?
   • Ils ne peuvent pas être stockés dans une base de données
   • Ils ne travaillent qu'en anglais
   • Ils peuvent hériter et refléter les biais présents dans leurs données de formation
   • Ils font en sorte que toutes les recherches correspondent uniquement
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