Quiz sur les intégrations de texte

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

1. Que fournit une intégration de texte pour une tâche de comparaison de langues ?
   • A required spoken audio recording
   • A verbatim dictionary entry for every coordinate
   • A numerical vector representation of text
   • Only a grammar-repair instruction
2. Dans une représentation entraînée à capturer la similarité des synonymes, quelle relation est souhaitable pour le heureux et le joyeux ?
   • A relatively high similarity under the chosen scoring method
   • A mandatory identical vector for every word
   • A guarantee they are synonyms in every possible context
   • A requirement that neither word can be encoded
3. Quelle était l’une des principales limites des premières intégrations de mots comme Word2Vec et GloVe ?
   • Ils n'ont pas pu être stockés sur un ordinateur
   • Ils ne travaillaient que pour les images
   • Ils n'ont nécessité aucune donnée de formation
   • Chaque mot avait un seul vecteur fixe quel que soit le contexte, donc « banque » signifiait la même chose partout.
4. Comment les intégrations contextuelles modernes améliorent-elles les intégrations de mots statiques ?
   • Ils suppriment tous les nombres de la représentation
   • Ils donnent à un mot un vecteur différent en fonction de la phrase qui l'entoure
   • Ils intègrent uniquement la première lettre de chaque mot
   • Ils rendent le vecteur de chaque mot identique
5. Quelle méthode de similarité par défaut documentée Sentence Transformers utilise-t-il pour la comparaison intégrée ?
   • Similitude cosinus
   • Alphabetical order
   • Document creation date
   • Character count alone
6. What role can compatible text vectors play in a dense-retrieval RAG pipeline?
   • Guaranteeing every generated claim is correct
   • Eliminating the source corpus
   • Ranking candidate passages before they are supplied as context
   • Training a new language model on every query
7. Which pooling strategy is the stated default in the original Sentence-BERT paper?
   • A mandatory maximum over every possible vocabulary item
   • Mean pooling of output token vectors
   • Concatenation of all corpus documents
   • Randomly selecting an unchanged input byte
8. Which Sentence-BERT design allows stored sentences to be encoded before a new comparison sentence arrives?
   • Mandatory joint processing of every possible pair
   • Rebuilding encoder weights for each candidate
   • Encoding only the final comparison score
   • Independent sentence encoding through its siamese architecture