Kuis terkait panduan · Sedang Tingkat

Kuis Pengambilan Interaksi Terlambat ColBERT

Uji vektor token ColBERT, pengkodean independen, penilaian MaxSim, waktu kerja kueri, dan biaya penyimpanan yang ditangani oleh kompresi ColBERTv2.

Jalur panduan terkaitPengambilan Interaksi Terlambat Colbert
Pertanyaan 1 dari 8

Bagaimana ColBERT mewakili kueri atau dokumen?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Bagaimana ColBERT mewakili kueri atau dokumen?
    • Sebagai vektor penyematan rata-rata tunggal
    • Karena kata kunci mentah hanya dihitung
    • Sebanyak vektor penyematan kontekstual tingkat token
    • Sebagai gambar
  2. Fungsi penilaian yang digunakan ColBERT disebut?
    • MaxSim
    • Penggabungan kosinus
    • Entropi silang Softmax
    • Pencarian balok
  3. What query-time work does ColBERT avoid by precomputing document token vectors?
    • All query encoding and all index access
    • Every comparison between a query token and document token
    • The need to store document representations
    • Joint transformer encoding of every query-document pair, while query encoding and similarity search still run
  4. Apa yang dimaksud dengan 'terlambat' dalam 'interaksi terlambat'?
    • Model ini dilatih pada tahap akhir
    • Interaksi antara token kueri dan dokumen ditangguhkan ke langkah penilaian setelah pengkodean independen
    • Pertanyaan datang larut malam
    • Dokumen ditambahkan setelah penerapan
  5. Masalah apa dengan pengambilan padat vektor tunggal yang ditangani ColBERT?
    • Terlalu lambat untuk diindeks
    • Itu tidak dapat berjalan di GPU
    • Ini memerlukan data berlabel untuk setiap kueri
    • Mengompresi seluruh bagian menjadi satu vektor akan kehilangan detail yang halus
  6. Apa yang secara signifikan ditingkatkan oleh ColBERTv2 dibandingkan versi aslinya?
    • Ini menghilangkan kebutuhan akan penyematan apa pun
    • Ini beralih dari BERT ke sistem berbasis aturan
    • Ia menambahkan kompresi sisa untuk memperkecil ukuran indeks
    • Ini menghilangkan langkah MaxSim
  7. A two-token ColBERT query has best document-token similarities of 0.8 and 0.3. What MaxSim score results?
    • 0.8, retaining only the single largest value across the whole query
    • 1.1, the sum of the two per-query-token maxima
    • 0.55, averaging instead of summing the maxima
    • 0.24, multiplying the two maxima
  8. Why can a ColBERT document index require more storage than a single-vector dense index?
    • It retains multiple token-level representations for each document
    • It never precomputes any document features
    • It must store all transformer gradients for each document
    • It removes every document token before indexing