वाक्य-बर्ट एंबेडिंग प्रश्नोत्तरी

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

1. सेंटेंस-बीईआरटी सादे बीईआरटी की किस मुख्य समस्या का समाधान करता है?
   • BERT के साथ कई वाक्यों की जोड़ीवार तुलना करना बहुत धीमा है
   • BERT एक से अधिक वाक्य नहीं पढ़ सकता
   • BERT केवल अंग्रेजी में काम करता है
   • BERT को ठीक नहीं किया जा सकता
2. सेंटेंस-बीईआरटी किस नेटवर्क आर्किटेक्चर का उपयोग करता है?
   • एक एकल ऑटोरेग्रेसिव डिकोडर
   • दो भार-साझाकरण BERT टावरों वाला एक स्याम देश का नेटवर्क
   • एक दृढ़ छवि नेटवर्क
   • एक सुदृढीकरण-शिक्षण एजेंट
3. Which pooling strategy did the original Sentence-BERT paper evaluate for creating sentence embeddings?
   • अधिकतम ध्यान सिरों पर जमा हो रहा है
   • केवल प्रथम वर्ण का उपयोग करना
   • टोकन एम्बेडिंग पर पूलिंग का मतलब है
   • एक टोकन का यादृच्छिक चयन
4. एक बार जब वाक्य अंतर्निहित हो जाते हैं, तो उनकी समानता आम तौर पर कैसे मापी जाती है?
   • दोनों पर फिर से BERT चल रहा है
   • साझा वर्णों की गिनती
   • फ़ाइल आकारों की तुलना करना
   • सदिशों के बीच कोज्या समानता (एक बिंदु उत्पाद)।
5. What training data did the original Sentence-BERT paper use for NLI fine-tuning?
   • Natural Language Inference examples labeled for entailment, contradiction and neutral relations
   • Only satellite images with land-cover labels
   • Only audio recordings with speaker labels
   • Only source code and bug reports
6. In a possible semantic-retrieval workflow, what can a Sentence-BERT bi-encoder do?
   • Cross-attend to every query-candidate pair before any encoding
   • Encode a query and candidate texts separately so vector similarity can rank candidates
   • Guarantee retrieval quality for every corpus
   • Replace the need to evaluate relevance
7. What does Matryoshka Representation Learning enable for an embedding?
   • It guarantees identical quality at every vector size
   • It converts embeddings into labeled text tokens
   • A single representation can be truncated to different dimensions to trade storage or compute for task performance
   • It removes the need for similarity comparisons
8. In a common hybrid retrieval pipeline, what happens after a bi-encoder retrieves candidate passages?
   • The candidate text is converted into audio
   • The bi-encoder is discarded and no ranking occurs
   • The system averages all documents into one sentence
   • A cross-encoder can score query-passage pairs to rerank the candidates