Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Maximális határrelevancia kvíz

Test MMR relevance-diversity scoring, greedy selection, cached redundancy updates, and the limits imposed by the initial retrieval candidate pool.

Kapcsolódó útmutató utakMaximális határrelevancia
kérdés 1 -ból 8

Mi az az elsődleges probléma, amelyet az MMR-nek meg kell oldania?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Mi az az elsődleges probléma, amelyet az MMR-nek meg kell oldania?
    • Lassú lekérdezési késleltetés nagy adatbázisokban
    • Helytelen helyesírás a felhasználói lekérdezésekben
    • Redundáns, szinte ismétlődő eredmények a tiszta relevancia szerinti rangsorolásból
    • A beágyazáshoz szükséges képzési adatok hiánya
  2. Mit hangsúlyoz az MMR képletben az 1-hez közeli lambda érték?
    • Tiszta relevancia a lekérdezés szempontjából
    • Maximális változatosság az eredmények között
    • Az összes jelölt egyenlő súlyozása
    • Véletlenszerű kiválasztás
  3. Hogyan választja ki az MMR az eredményeket?
    • Egyszerre egyetlen pontszám rendezésével
    • Véletlenszerűen rögzített maggal
    • A dokumentumok ábécé szerinti sorrendjében
    • Mohón, egyenként, a már kiválasztott tételekhez képest
  4. How can an embedding-based MMR implementation measure query relevance and document redundancy?
    • Using only a document's filename length
    • Using a similarity measure such as cosine, without MMR requiring that one measure universally
    • Using a mandatory audio-transcription score for all text
    • Using no relevance or inter-document comparison at all
  5. Miért különösen hasznos az MMR a retrieval-augmented generációban (RAG)?
    • Kiegészítő, nem redundáns bizonyítékokat szolgáltat
    • Összenyomja a modell súlyait
    • Automatikusan finomhangolja a nyelvi modellt
    • Titkosítja a letöltött dokumentumokat
  6. If MMR caches each candidate's maximum redundancy and updates it against each new selection, roughly how many similarities are needed for k picks from n candidates?
    • Always constant time independent of k and n
    • Exactly n factorial for every implementation
    • About k times n, ignoring vector dimension and initial setup
    • No document comparisons after the first query score
  7. With lambda equal to 0.5, relevance 0.8, and maximum selected-item similarity 0.9, what is a candidate's MMR scoring term?
    • 0.85, from averaging the two similarities
    • Minus 0.05, from 0.5 times 0.8 minus 0.5 times 0.9
    • 0.72, from multiplying relevance and redundancy
    • 1.7, from adding the two similarities
  8. Can an MMR reranker select a relevant document that the upstream retrieval candidate pool omitted?
    • Yes; diversity scoring invents missing source documents
    • Yes; a lower lambda automatically searches the whole corpus
    • Yes; reranking changes the document's original publication date
    • No; it chooses among the supplied candidates unless the upstream pool is expanded