Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Finomhangolás vs RAG vs Prompting kvíz
Azt teszteli, hogyan diagnosztizálható a tudás, a formátum, a stílus és a készségbeli hiányosságok, amikor a RAG felülmúlja a finomhangolást, és miért vezérlik a döntést az értékelési készletek.
kérdés 1 -ból 8
Egy modell helytelenül válaszol a vállalat árazásával kapcsolatos kérdésekre, mivel az árak negyedévente változnak. Melyik megközelítés illik legjobban ehhez a szakadékhoz?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Egy modell helytelenül válaszol a vállalat árazásával kapcsolatos kérdésekre, mivel az árak negyedévente változnak. Melyik megközelítés illik legjobban ehhez a szakadékhoz?
- Finomítsa a modellt az utolsó negyedév árlistáján
- A RAG segítségével lekérheti az aktuális árdokumentumokat a válaszidőben
- Csökkentse a modell hőmérsékletét
- Adjon hozzá további példákat az udvarias válaszokra a prompthoz
- Az útmutató szerint általában mi az első kar a formátum- és stílusproblémák megoldására?
- Teljes finomhangolás
- Vektoros adatbázis felépítése
- Felszólítás világos utasításokkal és példákkal
- Váltás nagyobb modellre
- Miért írják le a finomhangolást a tényszerű ismeretek hozzáadásának megbízhatatlan módjának?
- A modell súlyát nem tudja megváltoztatni
- Csak képmodelleken működik
- Nehéz frissíteni, és növelheti a ritkán látható anyagokkal kapcsolatos megbízható hibákat
- Mindig törli a modell meglévő tudását
- Melyik szituáció kedvez leginkább a finomhangolásnak?
- Szűk, nagy hangerővel végzett feladatra van szüksége, és szeretne egy kisebb, olcsóbb modellt, amely megfelel egy nagyobb modellnek
- A dokumentumok naponta változnak
- Válaszokat szeretne a forrásrészletek idézésére
- Még nem készített értékelési példákat
- Mit érdemes ellenőrizni egy rossz válaszokat adó RAG rendszerben, mielőtt a nyelvi modellt hibáztatná?
- A modell képzési dátuma
- A lekért eredmények között megjelenik-e a megfelelő szövegrész
- A GPU magok száma
- Csak a rendszerkérdés hossza
- Mit csinál a LoRA a finomhangolás keretében?
- Dokumentumokat keres le a keresési indexből
- Tömöríti a tokenek mentéséhez szükséges promptokat
- Kis adaptermátrixokat tanít be az összes modellsúly frissítése helyett
- Nincs szükség edzésadatokra
- Melyik állítás pontos a három módszer kombinálásával kapcsolatban az útmutató szerint?
- Ezek kölcsönösen kizárják egymást, és nem kombinálhatók
- A termelési rendszerek gyakran finomhangolt modellt használnak, amely a visszakeresett kontextust olvassa be, amit egy jó felszólítás vezérel
- A RAG helyettesíti a felszólítás szükségességét
- A finomhangolásnak mindig a felszólítás előtt kell történnie
- Mi indokolja a választást a felszólítás, a RAG és a finomhangolás között?
- Bármelyik módszer a legújabb
- Egy reprezentatív értékelési készlet, amely minden lehetőséget mér
- A szállító alapértelmezett beállítása
- Egyedül a képzési költségvetés nagysága