Quiz lié à un guide · Difficile Niveau
RAG spéculatif et quiz de rédaction augmentée par récupération
Vérifie le regroupement des documents, les brouillons de réponses parallèles, la génération de justifications, la notation des vérificateurs et la manière dont la spéculation modifie la latence de récupération.
Question 1 de 8
Dans Speculative RAG, quel rôle joue le plus petit modèle ?
Prévisualisez chaque question8 des questions
Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.
- Dans Speculative RAG, quel rôle joue le plus petit modèle ?
- Il rédige plusieurs réponses candidates à partir de sous-ensembles de documents récupérés
- Il vérifie et classe les réponses finales
- Il stocke la base de données vectorielles
- Il ne gère que la tokenisation
- Pourquoi les documents récupérés sont-ils regroupés avant leur rédaction ?
- Pour les compresser en un seul jeton
- Former des sous-ensembles de preuves diversifiés et non redondants pour différentes ébauches
- Pour supprimer des modèles en double
- Pour augmenter le vocabulaire du modèle
- Que fait principalement le modèle plus vaste de « vérificateur » ?
- Générer les documents récupérés
- Entraîner le modèle d'intégration
- Notez les brouillons des candidats et sélectionnez le meilleur
- Regroupez les documents
- Comment le RAG spéculatif réduit-il la latence par rapport au RAG standard ?
- En ignorant complètement la récupération
- En utilisant une fenêtre contextuelle plus petite sans documents
- En mettant en cache la question de l'utilisateur
- En demandant à un petit modèle de rédiger en parallèle, le grand modèle ne vérifie que les brouillons courts.
- Chaque projet produit par le rédacteur comprend généralement :
- Une justification expliquant la réponse
- Un nouvel ensemble de poids de modèle
- L'index vectoriel complet
- Une liste de tous les utilisateurs
- À quelle technique de décodage la structure de brouillon puis de vérification de Speculative RAG est-elle conceptuellement similaire ?
- Taille de recherche de faisceau
- Décodage spéculatif
- Échantillonnage gourmand
- Filtrage Top-K
- What information can the Speculative RAG verifier use when ranking candidate drafts?
- Only the length of each document
- The GPU type and cluster name
- Draft consistency, rationale likelihood and a self-reflection signal
- A random choice among the drafts
- Why sample documents from different clusters for separate drafts?
- To ensure every draft sees identical passages
- To remove all retrieved evidence
- To make each drafter use a different tokenizer
- To give the drafts diverse, less-redundant evidence subsets