Quiz sur la pomme de pin

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

1. Qu'est-ce que Pinecone stocke et recherche principalement ?
   • Intégrations vectorielles qui représentent la signification des données
   • Tableaux SQL bruts de lignes et de colonnes
   • Pondérations du modèle d'apprentissage automatique compilées
   • Mots de passe utilisateur cryptés
2. Pourquoi Pinecone est-il généralement associé à de grands modèles linguistiques ?
   • Il entraîne le modèle de langage à partir de zéro
   • Il fournit une mémoire externe afin que le modèle puisse récupérer les faits pertinents (RAG)
   • Il compresse le modèle pour qu'il s'exécute sur les téléphones
   • Il traduit la sortie du modèle dans d'autres langues
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. Comment la similarité entre deux vecteurs est-elle généralement mesurée ?
   • Par distance cosinus ou produit scalaire
   • Par la taille de leur fichier en mégaoctets
   • À la date de leur création
   • En comptant les mots-clés exacts partagés
6. Pour quelle tâche Pinecone est-il bien adapté ?
   • Stockage et rendu des graphiques de jeux vidéo 3D
   • Rechercher des documents dont la signification est similaire à une requête
   • Exécution de formules de feuille de calcul
   • Compilation du code source
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