Kuis terkait panduan · Sedang Tingkat

Kuis Indeks Llama

Jelajahi bagaimana LlamaIndex mengurai dan mengindeks data, mengambil Node yang relevan, menyatukan respons, dan mengevaluasi kualitas pengambilan.

Jalur panduan terkaitIndeks Llamain
Pertanyaan 1 dari 8

LlamaIndex dirancang untuk melakukan apa?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. LlamaIndex dirancang untuk melakukan apa?
    • Hubungkan LLM ke data Anda untuk pembuatan augmentasi pengambilan
    • Latih model pondasi baru
    • Hasilkan gambar dan video
    • Kelola cluster GPU di cloud
  2. Apa nama awal LlamaIndex saat diluncurkan?
    • Rantai Data
    • Indeks GPT
    • Basis Vektor
    • LlamaHub
  3. Mengapa pengambilan diperlukan alih-alih hanya menempelkan semuanya ke dalam prompt?
    • LLM tidak dapat membaca file teks
    • Penyematan adalah ilegal untuk disimpan
    • Model memiliki jendela konteks terbatas dan tidak memiliki pengetahuan tentang data pribadi
    • Pengambilan membuat model berlatih lebih cepat
  4. Dalam pipeline LlamaIndex, apa yang dibuat dari setiap potongan dokumen untuk mengaktifkan pencarian semantik?
    • File ZIP terkompresi
    • Baris tabel SQL
    • Tangkapan layar
    • Penyematan vektor
  5. LlamaParse dibuat untuk menangani apa?
    • Mengurai PDF, tabel, dan dokumen yang kompleks untuk diserap
    • Mengurai kode sumber menjadi pohon sintaksis
    • Mengurai audio menjadi transkrip
    • Mengurai paket jaringan
  6. Where do LlamaIndex node postprocessors run in the documented query pipeline?
    • Before documents are parsed or indexed
    • After retrieval and before response synthesis
    • Only after a final answer is returned
    • Between model pretraining and tokenizer training
  7. What does LlamaIndex’s SubQuestionQueryEngine do with a complex multi-source question?
    • Converts every document into a single unsearchable string
    • Runs only a fixed keyword lookup with no query planning
    • Creates subquestions for relevant data sources and synthesizes the intermediate responses
    • Fine-tunes the language model on the documents
  8. In a LlamaIndex query pipeline, what is the response synthesizer responsible for?
    • Choosing the original PDF files before ingestion
    • Training the embedding model from scratch
    • Replacing the retriever’s index with a file system
    • Combining the query and retrieved Nodes to produce a response