Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Carian Hibrid

Semak semula leksikal dan padat, gabungan pangkat, kaedah jarang saraf dan sebab kualiti perolehan berbeza mengikut domain. Uji setiap pertanyaan pada pertanyaan sasaran.

Laluan panduan yang berkaitanCarian Hibrid
soalan 1 daripada 8

Apakah dua pendekatan mendapatkan semula yang biasanya digabungkan oleh carian hibrid?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah dua pendekatan mendapatkan semula yang biasanya digabungkan oleh carian hibrid?
    • Carian kata kunci yang jarang (cth., BM25) dan carian vektor padat
    • Dua model bahasa besar yang berbeza mengundi pada jawapan
    • Pertanyaan SQL dan indeks teks penuh sahaja
    • Carian imej dan carian audio
  2. Mengapa Gabungan Kedudukan Timbal Balik (RRF) biasa digunakan untuk menggabungkan hasil?
    • Ia melatih rangkaian saraf baharu untuk setiap pertanyaan
    • Ia menggabungkan dokumen mengikut kedudukan pangkat dan bukannya skor mentah, mengelakkan ketidakpadanan skala
    • Ia memadam sebarang dokumen yang muncul dalam kedua-dua senarai
    • Ia hanya menyimpan hasil teratas tunggal daripada setiap retriever
  3. Senario manakah yang paling menggemari komponen jarang (kata kunci) carian hibrid?
    • Mencari dokumen yang menghuraikan pertanyaan dengan perkataan yang berbeza
    • Memahami nada emosi ayat
    • Memadankan nombor bahagian yang tepat atau kod ralat yang mesti muncul secara literal
    • Menterjemah pertanyaan ke bahasa lain
  4. Apakah kelemahan utama menggunakan carian vektor padat sahaja?
    • Ia tidak dapat memahami sinonim atau parafrasa
    • Ia hanya berfungsi pada imej
    • Ia tidak memerlukan pembenaman sama sekali
    • Ia boleh terlepas token yang jarang ditemui seperti kod atau nama keluarga tertentu
  5. Apakah yang dilakukan oleh model jarang yang dipelajari seperti SPLADE?
    • Ia menghasilkan pemberat istilah yang boleh ditafsir menggunakan rangkaian saraf, menggabungkan idea yang jarang dan padat
    • Ia mengalih keluar semua padanan kata kunci daripada carian
    • Ia hanya menyimpan imej sebagai vektor
    • Ia menggantikan keperluan untuk sebarang pengambilan semula
  6. What can combining lexical and dense retrieval provide to a RAG system?
    • A guarantee that every generated statement is true
    • Potentially more varied candidate evidence, subject to evaluation of retrieval and answer quality
    • A replacement for grounding sources
    • An automatic legal review of generated answers
  7. What tradeoff did BEIR report for reranking and late-interaction methods on average?
    • They always ran faster and used less compute than BM25
    • They made retrieval independent of the corpus
    • They often achieved stronger zero-shot performance but at higher computational cost
    • They guaranteed a correct generated answer
  8. What did the BEIR benchmark conclude about BM25 in zero-shot retrieval?
    • It always beats every neural retriever
    • It cannot retrieve exact terms
    • It is a dense-vector model
    • It remains a robust baseline across diverse datasets