密通路検索クイズ

クイズに答えると、答えと解説が表示されます。

1. Dense Passage Retrieval はどのパッセージがクエリに一致するかをどのように判断するのでしょうか?
   • クエリとパッセージの密なベクトル表現を類似性によって比較する
   • 各文書に出現する検索語の数を数える
   • 検索前にクエリを SQL に変換する
   • 純粋に発行された日の近さに基づいて文書をランク付けする
2. DPR は「バイエンコーダー」アーキテクチャを使用します。それはどういう意味ですか？
   • テキストを 2 回エンコードし、結果を平均します。
   • バイリンガル文書でのみ機能します
   • 文字と単語の両方を同時にエンコードします
   • 2 つの別々のエンコーダーを使用し、1 つはクエリ用、もう 1 つはパッセージ用です。
3. DPR ではなぜ事前に通過ベクトルを計算できるのでしょうか?
   • 一度書いた文章は決して変わらないから
   • クエリエンコーダは検索時に無効になっているため、
   • 各パッセージはクエリとは独立してエンコードされるため、
   • パッセージは生のテキストとしてのみ保存されるため、
4. DPR が多くの否定的な例を安価に生成できるようにするトレーニングのトリックは何ですか?
   • ランダムなラベル反転
   • 同じバッチ内の他のパッセージを使用したバッチ内ネガ
   • ニューロンの半分を脱落させる
   • 間違った箇所すべてに手動でラベルを付ける
5. 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
6. DPR の最近傍検索を大規模に高速化するために一般的に使用されるツールは何ですか?
   • FAISS などの近似最近傍インデックス
   • スプレッドシートの並べ替え
   • 正規表現エンジン
   • リレーショナルデータベース結合
7. 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
8. 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