सघन मार्ग पुनर्प्राप्ति प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. How does Dense Passage Retrieval decide which passages match a query?
   • समानता के आधार पर प्रश्नों और अनुच्छेदों के सघन वेक्टर निरूपण की तुलना करना
   • यह गिनना कि प्रत्येक दस्तावेज़ में कितने क्वेरी शब्द दिखाई देते हैं
   • खोजने से पहले क्वेरी को SQL में अनुवाद करना
   • दस्तावेज़ों की रैंकिंग पूरी तरह से इस आधार पर की जाती है कि वे हाल ही में कैसे प्रकाशित हुए
2. डीपीआर 'द्वि-एनकोडर' वास्तुकला का उपयोग करता है। इसका क्या मतलब है?
   • यह पाठ को दो बार एनकोड करता है और परिणामों का औसत निकालता है
   • यह केवल द्विभाषी दस्तावेज़ों पर काम करता है
   • यह अक्षर और शब्द दोनों को एक साथ एनकोड करता है
   • यह दो अलग-अलग एनकोडर का उपयोग करता है, एक प्रश्नों के लिए और एक पैसेज के लिए
3. डीपीआर में पैसेज वैक्टर की गणना पहले से क्यों की जा सकती है?
   • क्योंकि एक बार लिखे जाने के बाद अनुच्छेद कभी नहीं बदलते
   • क्योंकि खोज के समय क्वेरी एनकोडर अक्षम हो जाता है
   • क्योंकि प्रत्येक अनुच्छेद किसी भी प्रश्न से स्वतंत्र रूप से एन्कोड किया गया है
   • क्योंकि अनुच्छेदों को केवल कच्चे पाठ के रूप में संग्रहीत किया जाता है
4. कौन सी प्रशिक्षण युक्ति डीपीआर को सस्ते में कई नकारात्मक उदाहरण उत्पन्न करने देती है?
   • यादृच्छिक लेबल फ़्लिपिंग
   • इन-बैच नकारात्मक, उसी बैच में अन्य अनुच्छेदों का उपयोग करना
   • आधे न्यूरॉन्स का बाहर गिरना
   • प्रत्येक गलत मार्ग को मैन्युअल रूप से लेबल करना
5. For what vocabulary mismatch can learned DPR representations be useful compared with lexical matching alone?
   • The passage is unrelated but repeats the query's terms
   • Every query contains only an exact serial number
   • The encoder is guaranteed to retrieve the right answer for all inputs
   • A relevant passage expresses a query's idea using different words
6. डीपीआर की निकटतम-पड़ोसी खोज को तेजी से बड़े पैमाने पर बनाने के लिए आमतौर पर किस उपकरण का उपयोग किया जाता है?
   • FAISS जैसा एक अनुमानित निकटतम-पड़ोसी सूचकांक
   • एक स्प्रेडशीट सॉर्ट
   • एक रेगुलर एक्सप्रेशन इंजन
   • एक रिलेशनल डेटाबेस जुड़ता है
7. Why can BM25-retrieved nonanswer passages be useful hard negatives when training DPR?
   • They guarantee that every retrieved passage is irrelevant
   • Their lexical overlap can make them challenging distractors that the retriever must distinguish from the answer passage
   • They remove the need for a positive answer passage
   • They force the passage encoder to count words without learning
8. After changing DPR's passage encoder, what should happen to a stored passage-vector index?
   • Keep the old embeddings because encoder weights cannot affect vectors
   • Rename the index without recalculating any representation
   • Recompute the passage embeddings with the intended compatible encoder and update the index
   • Disable the query encoder and search raw filenames instead