テキスト埋め込みクイズ

クイズに答えると、答えと解説が表示されます。

1. What does a text embedding supply for a language comparison task?
   • A required spoken audio recording
   • A verbatim dictionary entry for every coordinate
   • A numerical vector representation of text
   • Only a grammar-repair instruction
2. In a representation trained to capture synonym similarity, what relationship is desirable for happy and joyful?
   • A relatively high similarity under the chosen scoring method
   • A mandatory identical vector for every word
   • A guarantee they are synonyms in every possible context
   • A requirement that neither word can be encoded
3. Word2Vec や GloVe などの初期の単語埋め込みの主な制限は何でしたか?
   • コンピュータに保存できませんでした
   • 画像に対してのみ機能しました
   • トレーニング データは必要ありませんでした
   • 各単語は文脈に関係なく単一の固定ベクトルを持っていたため、「銀行」はどこでも同じ意味でした
4. 最新のコンテキスト埋め込みは静的な単語埋め込みをどのように改善するのでしょうか?
   • 表現からすべての数値を削除します
   • 周囲の文に応じて単語に異なるベクトルを与えます
   • 各単語の最初の文字のみが埋め込まれます
   • すべての単語のベクトルを同一にする
5. Which documented default similarity method does Sentence Transformers use for embedding comparison?
   • コサイン類似度
   • Alphabetical order
   • Document creation date
   • Character count alone
6. What role can compatible text vectors play in a dense-retrieval RAG pipeline?
   • Guaranteeing every generated claim is correct
   • Eliminating the source corpus
   • Ranking candidate passages before they are supplied as context
   • Training a new language model on every query
7. Which pooling strategy is the stated default in the original Sentence-BERT paper?
   • A mandatory maximum over every possible vocabulary item
   • Mean pooling of output token vectors
   • Concatenation of all corpus documents
   • Randomly selecting an unchanged input byte
8. Which Sentence-BERT design allows stored sentences to be encoded before a new comparison sentence arrives?
   • Mandatory joint processing of every possible pair
   • Rebuilding encoder weights for each candidate
   • Encoding only the final comparison score
   • Independent sentence encoding through its siamese architecture