Útmutatóhoz kapcsolódó kvíz · Kemény Szint
ColBERT és Multi-Vector Retrieval Quiz
Study ColBERT's multi-vector ranking, candidate reranking, ColPali document-page retrieval, and how ColBERTv2 compresses token representations.
kérdés 1 -ból 8
Hogyan ábrázolja a ColBERT egy dokumentumot?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Hogyan ábrázolja a ColBERT egy dokumentumot?
- Ahány tokenenkénti kontextuális vektor
- Egyetlen sűrű vektorként
- Mivel a kulcsszó ritka zsákja számít
- Csak nyers szöveges karakterláncként
- Milyen műveletet használ a ColBERT a lekérdezés-dokumentum relevanciájának pontozására?
- Két egyedi vektor koszinusza
- MaxSim: az egyes lekérdezési jogkivonatok összege, amely a legjobban illeszkedik bármely dokumentum tokenhez
- Keresztentrópia a teljes szókincsben
- BM25 kifejezés gyakorisága
- Miért gyorsabb a ColBERT, mint egy keresztkódoló skálán?
- Kisebb szókincset használ
- Teljesen figyelmen kívül hagyja a lekérdezést
- A dokumentumjogkivonat-beágyazások előre kiszámítva és offline indexelve vannak
- Minden dokumentumnak csak az első szavát dolgozza fel
- Milyen problémát old meg a ColBERT az egyvektoros sűrű retrievereknél?
- Túl lassúak az indexeléshez
- Nem használhatnak neurális hálózatokat
- Nem igényelnek képzési adatokat
- Egy vektorba tömörítve elveszítik a finomszemcsés, token szintű részleteket
- Milyen kulcsfontosságú fejlesztést vezetett be a ColBERTv2?
- Maradék tömörítés, amely nagymértékben csökkenti az index méretét
- Teljesen eltávolította a BERT-et
- Egyvektoros kódolásra váltott
- Csak képeken működik
- Mire alkalmazza a ColPali a ColBERT-stílusú késői interakciót?
- Hanghullámformák
- Dokumentumoldalak képfoltjai, például PDF-ek
- Csak egyetlen kulcsszó
- Adatbázis tábla sorai
- In a two-stage search system, what role can ColBERT play after a fast first-stage retriever?
- Generate the source documents from scratch
- Replace the query with a document title
- Rerank the candidate passages using contextual token-level matching
- Discard every candidate before scoring
- What does ColBERTv2's residual compression store for a token vector?
- Only the raw document text with no vector data
- A full copy of the language model for each token
- One shared vector for the entire document
- A centroid code together with a compact residual representation