Quiz collegato alla guida · Medio Livello

Quiz sul recupero dell'interazione tardiva ColBERT

Testa i vettori dei token ColBERT, la codifica indipendente, il punteggio MaxSim, il lavoro in fase di query e i costi di archiviazione affrontati dalla compressione ColBERTv2.

Domanda 1 di 8

In che modo ColBERT rappresenta una query o un documento?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. In che modo ColBERT rappresenta una query o un documento?
    • Come un singolo vettore di incorporamento medio
    • Poiché conta solo la parola chiave grezza
    • Altrettanti vettori di incorporamento contestuale a livello di token
    • Come immagine
  2. Come si chiama la funzione di punteggio utilizzata da ColBERT?
    • MaxSim
    • Raggruppamento del coseno
    • Entropia incrociata Softmax
    • Ricerca del raggio
  3. Quale lavoro in fase di query evita ColBERT precalcolando i vettori dei token dei documenti?
    • 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. A cosa si riferisce il termine "tardi" in "interazione tardiva"?
    • Il modello viene addestrato in una fase avanzata della pipeline
    • L'interazione tra i token della query e del documento viene rinviata alla fase di punteggio dopo la codifica indipendente
    • Le richieste arrivano a tarda notte
    • I documenti vengono aggiunti dopo la distribuzione
  5. Quale problema con il recupero denso a vettore singolo affronta ColBERT?
    • È troppo lento da indicizzare
    • Non può essere eseguito su GPU
    • Richiede dati etichettati per ogni query
    • La compressione di un intero passaggio in un vettore perde i dettagli a grana fine
  6. Cosa ha migliorato notevolmente ColBERTv2 rispetto all'originale?
    • Ha eliminato la necessità di eventuali incorporamenti
    • Si è passati dal BERT a un sistema basato su regole
    • Ha aggiunto la compressione residua per ridurre notevolmente la dimensione dell'indice
    • Ha eliminato il passaggio 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