Quiz collegato alla guida · Difficile Livello
ColBERT e quiz sul recupero multivettoriale
Studia la classificazione multivettoriale di ColBERT, la riclassificazione dei candidati, il recupero delle pagine dei documenti ColPali e il modo in cui ColBERTv2 comprime le rappresentazioni dei token.
Domanda 1 di 8
In che modo ColBERT rappresenta un documento?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- In che modo ColBERT rappresenta un documento?
- Tanti vettori contestuali per token
- Come un unico vettore denso
- Come un sacchetto scarno di parole chiave conta
- Solo come stringa di testo non elaborato
- Quale operazione utilizza ColBERT per valutare la pertinenza della query-documento?
- Coseno di due vettori singoli
- MaxSim: somma della migliore corrispondenza di ciascun token di query con qualsiasi token di documento
- Entropia incrociata sull'intero vocabolario
- Frequenza del termine BM25
- Perché ColBERT è più veloce di un cross-encoder su larga scala?
- Utilizza un vocabolario più piccolo
- Ignora completamente la query
- Gli incorporamenti dei token dei documenti sono precalcolati e indicizzati offline
- Elabora solo la prima parola di ciascun documento
- Quale problema con i retriever densi a vettore singolo affronta ColBERT?
- Sono troppo lenti da indicizzare
- Non possono utilizzare le reti neurali
- Non richiedono dati di addestramento
- Perdono dettagli a grana fine a livello di token comprimendosi in un vettore
- Quale miglioramento chiave ha introdotto ColBERTv2?
- Compressione residua che riduce notevolmente la dimensione dell'indice
- Ha rimosso completamente BERT
- È passato alla codifica a vettore singolo
- Funziona solo sulle immagini
- A cosa applica ColPali l'interazione tardiva in stile ColBERT?
- Forme d'onda audio
- Patch di immagini delle pagine di documenti, come i PDF
- Solo parole chiave singole
- Righe della tabella del database
- In a two-stage search system, what role can ColBERT play after a fast first-stage retriever?
- Generate the source documents from scratch
- Replace the query with a document title
- Rerank the candidate passages using contextual token-level matching
- Discard every candidate before scoring
- What does ColBERTv2's residual compression store for a token vector?
- Only the raw document text with no vector data
- A full copy of the language model for each token
- One shared vector for the entire document
- A centroid code together with a compact residual representation