추측적 RAG 및 검색 증강 제도 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. Speculative RAG에서 더 작은 모델은 어떤 역할을 합니까?
   • 검색된 문서 하위 집합에서 여러 후보 답변의 초안을 작성합니다.
   • 최종 답변을 확인하고 순위를 매깁니다.
   • 벡터 데이터베이스를 저장합니다.
   • 토큰화만 처리합니다.
2. 검색된 문서가 초안 작성 전에 클러스터링되는 이유는 무엇입니까?
   • 단일 토큰으로 압축하려면
   • 다양한 초안에 대한 다양하고 중복되지 않는 증거 하위 집합을 형성하기 위해
   • 중복 모델을 삭제하려면
   • 모델의 어휘력을 늘리려면
3. 더 큰 '검증자' 모델은 주로 무엇을 수행합니까?
   • 검색된 문서 생성
   • 임베딩 모델 학습
   • 후보 초안을 평가하고 가장 좋은 초안을 선택하세요.
   • 문서를 클러스터링하세요
4. Speculative RAG는 표준 RAG에 비해 어떻게 대기 시간을 줄입니까?
   • 검색을 완전히 건너뛰는 방법
   • 문서가 없는 더 작은 컨텍스트 창을 사용하여
   • 사용자의 질문을 캐싱하여
   • 작은 모델이 평행 제도를 수행하여 큰 모델이 짧은 제도만 확인하도록 함으로써
5. 초안 작성자가 작성한 각 초안에는 일반적으로 다음이 포함됩니다.
   • 답변을 설명하는 근거
   • 새로운 모델 가중치 세트
   • 전체 벡터 인덱스
   • 모든 사용자 목록
6. Speculative RAG의 초안 후 검증 구조는 어떤 디코딩 기술과 개념적으로 유사합니까?
   • 빔 검색 가지치기
   • 추측적 디코딩
   • 탐욕스러운 샘플링
   • Top-k 필터링
7. What information can the Speculative RAG verifier use when ranking candidate drafts?
   • Only the length of each document
   • The GPU type and cluster name
   • Draft consistency, rationale likelihood and a self-reflection signal
   • A random choice among the drafts
8. Why sample documents from different clusters for separate drafts?
   • To ensure every draft sees identical passages
   • To remove all retrieved evidence
   • To make each drafter use a different tokenizer
   • To give the drafts diverse, less-redundant evidence subsets