가이드 연계 퀴즈 · 중간 레벨

솔방울 퀴즈

벡터 및 문서 검색, 유사성 지표, 서버리스 인덱스, 검색된 컨텍스트를 여전히 평가해야 하는 이유를 다룹니다.

관련 가이드 경로솔방울
질문 1 의 8

솔방울은 주로 무엇을 저장하고 검색하나요?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. 솔방울은 주로 무엇을 저장하고 검색하나요?
    • 데이터의 의미를 나타내는 벡터 임베딩
    • 행과 열의 원시 SQL 테이블
    • 컴파일된 기계 학습 모델 가중치
    • 암호화된 사용자 비밀번호
  2. Pinecone이 일반적으로 대규모 언어 모델과 결합되는 이유는 무엇입니까?
    • 언어 모델을 처음부터 훈련합니다.
    • 모델이 관련 사실(RAG)을 검색할 수 있도록 외부 메모리를 제공합니다.
    • 휴대폰에서 실행되도록 모델을 압축합니다.
    • 모델의 출력을 다른 언어로 번역합니다.
  3. How does Pinecone describe its serverless index algorithms?
    • It uses HNSW for every serverless index
    • Users must manually select one universal algorithm
    • It selects proprietary algorithms such as Ananas, PQFS, or IVF with PQFS by slab size
    • It searches only by exact string match
  4. What architecture change does Pinecone highlight in its serverless database?
    • Every vector must be stored in one local in-memory graph
    • Each user must operate a separate physical database
    • Queries are answered without reading or scoring vectors
    • Storage and compute are decoupled so relevant index portions can be loaded for a query
  5. 두 벡터 간의 유사성은 일반적으로 어떻게 측정됩니까?
    • 코사인 거리 또는 내적 기준
    • 파일 크기(MB) 기준
    • 생성된 날짜 기준
    • 공유된 정확한 키워드를 계산하여
  6. Pinecone은 어떤 작업에 적합합니까?
    • 3D 비디오 게임 그래픽 저장 및 렌더링
    • 쿼리와 의미가 유사한 문서 찾기
    • 스프레드시트 수식 실행
    • 소스 코드 컴파일
  7. What is a key step before using retrieved Pinecone matches in a generated answer?
    • Assume the nearest vector is always a correct source
    • Ignore metadata and access controls
    • Evaluate whether the retrieved records are relevant and current for the query
    • Treat retrieval as proof the model’s response is correct
  8. What kinds of searchable data do current Pinecone serverless indexes support?
    • Only image files with no metadata
    • Only one fixed embedding model
    • Only SQL tables with no text fields
    • Depending on schema, dense vectors, sparse vectors, and full-text-search fields