Quiz collegato alla guida · Medio Livello
Quiz sul recupero di passaggi densi
Testare le query DPR e i codificatori di passaggio, il punteggio del prodotto scalare, i negativi in batch e BM25 e la necessità di aggiornare un indice quando cambiano gli incorporamenti.
Domanda 1 di 8
How does Dense Passage Retrieval decide which passages match a query?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- How does Dense Passage Retrieval decide which passages match a query?
- Confronto di rappresentazioni vettoriali dense di query e passaggi per somiglianza
- Contare quante parole di query compaiono in ciascun documento
- Traduzione della query in SQL prima della ricerca
- Classificare i documenti esclusivamente in base alla data di pubblicazione
- DPR utilizza un'architettura "bi-encoder". Che cosa significa?
- Codifica il testo due volte e calcola la media dei risultati
- Funziona solo su documenti bilingui
- Codifica sia i caratteri che le parole contemporaneamente
- Utilizza due codificatori separati, uno per le query e uno per i passaggi
- Perché i vettori di passaggio possono essere calcolati in anticipo in DPR?
- Perché i passaggi non cambiano mai una volta scritti
- Perché il codificatore delle query è disabilitato al momento della ricerca
- Perché ogni passaggio è codificato indipendentemente da qualsiasi query
- Perché i passaggi vengono memorizzati solo come testo non elaborato
- Quale trucco di formazione consente a DPR di generare molti esempi negativi a buon mercato?
- Capovolgimento casuale delle etichette
- Negativi in batch, utilizzando altri passaggi nello stesso batch
- Perdendo metà dei neuroni
- Etichettare manualmente ogni passaggio sbagliato
- For what vocabulary mismatch can learned DPR representations be useful compared with lexical matching alone?
- The passage is unrelated but repeats the query's terms
- Every query contains only an exact serial number
- The encoder is guaranteed to retrieve the right answer for all inputs
- A relevant passage expresses a query's idea using different words
- Quale strumento viene comunemente utilizzato per rendere la ricerca del vicino più vicino di DPR veloce e su larga scala?
- Un indice approssimativo del vicino più vicino come FAISS
- Un ordinamento di fogli di calcolo
- Un motore di espressioni regolari
- Un'unione a un database relazionale
- Why can BM25-retrieved nonanswer passages be useful hard negatives when training DPR?
- They guarantee that every retrieved passage is irrelevant
- Their lexical overlap can make them challenging distractors that the retriever must distinguish from the answer passage
- They remove the need for a positive answer passage
- They force the passage encoder to count words without learning
- After changing DPR's passage encoder, what should happen to a stored passage-vector index?
- Keep the old embeddings because encoder weights cannot affect vectors
- Rename the index without recalculating any representation
- Recompute the passage embeddings with the intended compatible encoder and update the index
- Disable the query encoder and search raw filenames instead