ガイド連動クイズ · ハード レベル

HyDE の仮説上のドキュメント埋め込みクイズ

HyDE の生成、対照的なドキュメントの埋め込み、ゼロショットの取得、サンプルの平均化、および証拠としての仮説テキストの制限を確認します。

関連するガイドパスハイドの仮説的なドキュメントの埋め込み
質問 1 の 8

HyDE は取得を実行する前に何を生成しますか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. HyDE は取得を実行する前に何を生成しますか?
    • SQLクエリ
    • 同義語のみのリスト
    • クエリの圧縮イメージ
    • 質問に答える架空のドキュメント
  2. What is the intended role of the encoder bottleneck when HyDE's hypothetical document contains invented details?
    • Retain useful retrieval patterns while reducing some irrelevant specifics, without guaranteeing error removal
    • Prove every generated sentence is factually correct
    • Manually repair every fabricated claim before encoding
    • Make fabricated details incapable of influencing any search result
  3. HyDE の主な実際的な利点は、次のように機能することです。
    • 何百万ものラベル付きサンプルのみ
    • 英語のテキストのみ
    • ゼロショット、ラベル付けされた関連性トレーニング データなし
    • 画像検索のみ
  4. 元の HyDE では、仮説ドキュメントをエンコードするためにどのタイプの埋め込みモデルが使用されていますか?
    • 教師ありクエリ分類子
    • Contriever などの教師なしコントラスト エンコーダ
    • ルールベースのキーワード抽出ツール
    • 畳み込み画像ネットワーク
  5. HyDE は高密度検索におけるどのような中心的な問題に対処するように設計されていますか?
    • 短いクエリと長い回答の文章は、埋め込みスペースの異なる領域に存在することがよくあります。
    • ドキュメントが短すぎるためインデックス付けできません
    • 転置インデックスは遅すぎる
    • エンベディングはディスクに保存できません
  6. How can a HyDE variant combine several generated hypothetical documents into one search representation?
    • Declare all generated claims to be verified facts
    • Delete the encoder and search only by file size
    • Require every generated document to be a real corpus passage
    • Average their encoded vectors before searching the real corpus
  7. Which text should support a factual answer after HyDE retrieval?
    • The generated hypothetical document because generation verifies it
    • Relevant real source passages that have been checked, rather than the hypothetical document alone
    • Only the nearest vector's numeric coordinates
    • Any invented detail repeated by several generated samples
  8. What extra retrieval cost can HyDE introduce compared with directly embedding a user's query?
    • Mandatory relevance-label collection for every query
    • A requirement to retrain Contriever for each search
    • The latency and computation of generating one or more hypothetical documents
    • Elimination of all encoder and index computation