Kuiz Mendapat Petikan Padat

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Bagaimanakah Pengambilan Laluan Padat memutuskan petikan yang sepadan dengan pertanyaan?
   • Membandingkan perwakilan vektor padat pertanyaan dan petikan mengikut persamaan
   • Mengira bilangan perkataan pertanyaan yang muncul dalam setiap dokumen
   • Menterjemahkan pertanyaan ke dalam SQL sebelum mencari
   • Kedudukan dokumen semata-mata berdasarkan seberapa baru ia diterbitkan
2. DPR menggunakan seni bina 'bi-encoder'. Apakah maksudnya?
   • Ia mengekod teks dua kali dan purata hasilnya
   • Ia hanya berfungsi pada dokumen dwibahasa
   • Ia mengekod kedua-dua aksara dan perkataan secara serentak
   • Ia menggunakan dua pengekod berasingan, satu untuk pertanyaan dan satu untuk petikan
3. Mengapakah vektor laluan boleh dikira terlebih dahulu di DPR?
   • Kerana petikan tidak pernah berubah setelah ditulis
   • Kerana pengekod pertanyaan dilumpuhkan pada masa carian
   • Kerana setiap petikan dikodkan secara bebas daripada sebarang pertanyaan
   • Kerana petikan disimpan sebagai teks mentah sahaja
4. Apakah helah latihan yang membolehkan DPR menghasilkan banyak contoh negatif dengan murah?
   • Terbalikkan label rawak
   • Negatif dalam kelompok, menggunakan petikan lain dalam kelompok yang sama
   • Menggugurkan separuh neuron
   • Melabelkan setiap petikan yang salah secara manual
5. Untuk ketidakpadanan perbendaharaan kata apakah perwakilan DPR yang dipelajari boleh berguna berbanding dengan padanan leksikal sahaja?
   • Petikan itu tidak berkaitan tetapi mengulangi istilah pertanyaan
   • Setiap pertanyaan hanya mengandungi nombor siri yang tepat
   • Pengekod dijamin untuk mendapatkan jawapan yang betul untuk semua input
   • Petikan yang relevan menyatakan idea pertanyaan menggunakan perkataan yang berbeza
6. Apakah alat yang biasa digunakan untuk membuat carian jiran terdekat DPR pantas pada skala?
   • Anggaran indeks jiran terdekat seperti FAISS
   • Isihan hamparan
   • Enjin ekspresi biasa
   • Gabungan pangkalan data hubungan
7. Mengapakah petikan bukan jawapan yang diambil BM25 boleh menjadi negatif keras yang berguna apabila melatih DPR?
   • Mereka menjamin bahawa setiap petikan yang diambil adalah tidak relevan
   • Pertindihan leksikal mereka boleh menjadikan mereka pengganggu yang mencabar yang perlu dibezakan oleh retriever daripada petikan jawapan
   • Mereka menghilangkan keperluan untuk petikan jawapan positif
   • Mereka memaksa pengekod petikan untuk mengira perkataan tanpa belajar
8. Selepas menukar pengekod laluan DPR, apakah yang harus berlaku kepada indeks vektor laluan yang disimpan?
   • Kekalkan benam lama kerana pemberat pengekod tidak boleh menjejaskan vektor
   • Namakan semula indeks tanpa mengira semula sebarang perwakilan
   • Kira semula benam petikan dengan pengekod serasi yang dimaksudkan dan kemas kini indeks
   • Lumpuhkan pengekod pertanyaan dan cari nama fail mentah sebaliknya