Kuis Penyematan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. What is an embedding in the numerical representation sense used here?
   • A dictionary definition that must be stored verbatim
   • A required compression format for image files
   • A vector representing an item for a model or comparison task
   • An exact database row identifier only
2. What can closeness in a trained semantic embedding space indicate?
   • Similarity learned under that model’s objective
   • A guarantee that two statements are equally true
   • An identical byte sequence in every case
   • A universal relation independent of training
3. Metrik manakah yang biasa digunakan untuk membandingkan dua penyematan?
   • Perbedaan ukuran file
   • Urutan berdasarkan abjad
   • Jumlah kata
   • Kesamaan kosinus
4. What tradeoff can an approximate embedding index such as HNSW introduce?
   • A guarantee of complete exact retrieval in every configuration
   • Faster search with possible missed exact nearest neighbors
   • A required change of every vector to a word definition
   • Automatic removal of all training-data bias
5. Apa yang ditunjukkan oleh contoh klasik 'raja - pria + wanita ≈ ratu' tentang penyematan?
   • Mereka dapat menangkap hubungan melalui aritmatika vektor
   • Mereka menyimpan definisi kata yang tepat
   • Mereka hanya bekerja untuk persyaratan royalti
   • Itu acak dan tidak berarti
6. Manakah yang merupakan risiko nyata saat menggunakan penyematan?
   • Mereka tidak dapat disimpan dalam database
   • Mereka hanya bekerja dalam bahasa Inggris
   • Mereka dapat mewarisi dan mencerminkan bias yang ada dalam data pelatihan mereka
   • Mereka membuat semua pencarian hanya sama persis
7. Two unit-length embedding vectors have dot product 0.8. What is their squared Euclidean distance?
   • 0,2
   • 0,4
   • 0,8
   • 1.6
8. When does an inner-product score equal cosine similarity for two nonzero embedding vectors?
   • Whenever their dimensions are equal
   • Whenever they came from two unrelated model families
   • Only when their coordinates are all zero
   • When both vectors have been normalized to unit length