Kuis Pencarian Hibrid

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Dua pendekatan pengambilan apa yang biasanya digabungkan oleh penelusuran hibrid?
   • Pencarian kata kunci yang jarang (misalnya BM25) dan pencarian vektor yang padat
   • Dua model bahasa besar yang berbeda memberikan suara pada jawaban
   • Kueri SQL dan indeks teks lengkap saja
   • Pencarian gambar dan pencarian audio
2. Mengapa Reciprocal Rank Fusion (RRF) biasa digunakan untuk menggabungkan hasil?
   • Ini melatih jaringan saraf baru untuk setiap kueri
   • Ini menggabungkan dokumen berdasarkan posisi peringkat, bukan skor mentah, untuk menghindari ketidakcocokan skala
   • Ini menghapus dokumen apa pun yang muncul di kedua daftar
   • Itu hanya menyimpan satu hasil teratas dari setiap retriever
3. Skenario mana yang paling mendukung komponen pencarian hibrid (kata kunci) yang jarang?
   • Menemukan dokumen yang memparafrasekan kueri dengan kata-kata berbeda
   • Memahami nada emosional sebuah kalimat
   • Mencocokkan nomor bagian yang tepat atau kode kesalahan yang harus muncul secara harfiah
   • Menerjemahkan kueri ke bahasa lain
4. Apa kelemahan utama menggunakan penelusuran vektor padat saja?
   • Ia tidak dapat memahami sinonim atau parafrase
   • Ini hanya berfungsi pada gambar
   • Itu tidak memerlukan penyematan sama sekali
   • Itu bisa melewatkan token langka seperti kode atau nama keluarga tertentu
5. Apa yang dilakukan model renggang yang dipelajari seperti SPLADE?
   • Ini menghasilkan bobot istilah yang dapat ditafsirkan menggunakan jaringan saraf, memadukan ide-ide yang jarang dan padat
   • Ini menghapus semua kata kunci yang cocok dari pencarian
   • Itu hanya menyimpan gambar sebagai vektor
   • Ini menggantikan kebutuhan akan pengambilan apa pun
6. What can combining lexical and dense retrieval provide to a RAG system?
   • A guarantee that every generated statement is true
   • Potentially more varied candidate evidence, subject to evaluation of retrieval and answer quality
   • A replacement for grounding sources
   • An automatic legal review of generated answers
7. What tradeoff did BEIR report for reranking and late-interaction methods on average?
   • They always ran faster and used less compute than BM25
   • They made retrieval independent of the corpus
   • They often achieved stronger zero-shot performance but at higher computational cost
   • They guaranteed a correct generated answer
8. What did the BEIR benchmark conclude about BM25 in zero-shot retrieval?
   • It always beats every neural retriever
   • It cannot retrieve exact terms
   • It is a dense-vector model
   • It remains a robust baseline across diverse datasets