Quiz collegato alla guida · Medio Livello
Quiz su cross-encoder e bi-encoder
Confronta il recupero cross-encoder e bi-encoder, dagli incorporamenti riutilizzabili al riclassificazione sensibile alle query e ai modelli di interazione tardiva.
Domanda 1 di 8
Qual è la differenza architetturale che definisce tra un cross-encoder e un bi-encoder?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Qual è la differenza architetturale che definisce tra un cross-encoder e un bi-encoder?
- Un codificatore incrociato elabora entrambi i testi insieme in modo che i token possano essere presenti su di essi, mentre un codificatore doppio codifica ciascun testo separatamente
- Un bi-encoder utilizza l'attenzione e un cross-encoder non utilizza l'attenzione
- Un cross-encoder è più piccolo e più veloce di un bi-encoder
- Un bi-encoder può gestire solo un testo alla volta
- Perché i bi-encoder riescono a gestire in modo efficiente milioni di documenti?
- Usano meno dati di addestramento
- Gli incorporamenti dei documenti sono indipendenti dalle query e possono essere precalcolati e archiviati
- Non usano mai trasformatori
- Saltano la lenta fase di tokenizzazione
- In una tipica pipeline di ricerca di produzione, come vengono combinate le due architetture?
- Il cross-encoder recupera i candidati, quindi un bi-encoder li riclassifica
- Entrambi si svolgono in parallelo e viene calcolata la media dei voti
- Un bi-encoder recupera molti candidati, quindi un cross-encoder riclassifica quelli migliori
- Ne viene utilizzato solo uno, mai entrambi
- How does a late-interaction model such as ColBERT combine token-level query and document representations at scoring time?
- It averages both texts into a single vector before any interaction
- It concatenates raw audio waveforms and applies a vocoder
- It ranks documents only by their character count
- It compares query-token vectors with document-token vectors using a MaxSim-style aggregation
- Cosa restituisce in genere un bi-encoder per un singolo testo di input?
- Un singolo vettore di incorporamento di lunghezza fissa
- Un punteggio di pertinenza tra due testi
- Un elenco classificato di documenti
- Una distribuzione di probabilità sul vocabolario
- After jointly processing a query and candidate, what does a cross-encoder produce?
- A reusable document vector computed independently of the query
- A relevance score for that specific query-candidate pair
- A separate token vector for every item in the full corpus
- A guarantee that the top result is correct
- What kind of representation does a late-interaction model such as ColBERT retain for a text?
- Only one global label for the whole corpus
- A decoded audio waveform
- A vector representation for each token
- A complete copy of the cross-encoder’s pairwise scores
- What similarity function do Sentence Transformers examples commonly use for comparing normalized bi-encoder embeddings?
- Edit distance over raw audio samples
- A pixel-wise image loss
- A speech-recognition word error rate
- Somiglianza del coseno