AI 데이터 추출 파이프라인 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. AI 데이터 추출 파이프라인의 주요 목표는 무엇입니까?
   • 구조화되지 않은 소스를 스키마에 맞는 깨끗하고 구조화된 데이터로 변환
   • 마케팅 이미지를 생성하려면
   • 음성을 음악으로 번역하려면
   • 비디오 파일을 압축하려면
2. What does schema-constrained generation aim to control in an extraction pipeline?
   • The truth of every extracted value without review
   • The requested fields and output structure, while semantic correctness still requires validation
   • The original layout of a scanned document after OCR
   • Whether the source document is authentic
3. OCR 또는 레이아웃 구문 분석 단계의 역할은 무엇입니까?
   • 원본 파일을 삭제하려면
   • 문서를 암호화하려면
   • 추출하기 전에 텍스트를 복구하고 테이블 또는 양식 구조를 보존하려면
   • 문서를 오디오로 재생하려면
4. 잘 설계된 파이프라인은 신뢰도가 낮은 추출을 어떻게 처리합니까?
   • 그들은 조용히 그것들을 버린다.
   • 어차피 그들은 항상 그들을 신뢰해
   • 전체 파이프라인을 처음부터 다시 시작합니다.
   • 검토를 위해 사람에게 전달합니다.
5. 그러한 파이프라인에 있는 유효성 검사 규칙의 한 가지 예는 무엇입니까?
   • 개별 항목 합계를 합산해야 하며 날짜가 유효해야 합니다.
   • 파일은 파란색이어야 합니다.
   • 모델은 정확히 100개의 단어를 사용해야 합니다.
   • 문서는 가로 모드여야 합니다.
6. What two main phases does the ChatSchema paper describe for structured medical-report extraction?
   • Training a speech recognizer and then translating subtitles
   • Classifying report scenarios and then extracting structured fields
   • Rendering a 3D scene and then estimating camera motion
   • Ranking product recommendations and then choosing a route
7. Why validate extracted fields against a schema?
   • To prove all extracted facts are true
   • To replace the source document
   • To catch missing, malformed, or out-of-range values before downstream use
   • To eliminate OCR errors
8. What provenance should a robust extraction pipeline retain?
   • Only the final JSON output
   • The model temperature only
   • A summary with no source reference
   • Links to the source document and location supporting each extracted field