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.
- 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
- Come si chiama la funzione di punteggio utilizzata da ColBERT?
- MaxSim
- Raggruppamento del coseno
- Entropia incrociata Softmax
- Ricerca del raggio
- 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
- 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
- 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
- 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
- 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
- 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