Kuiz Pembenaman Dokumen Hipotesis HyDE

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Apakah yang dihasilkan oleh HyDE sebelum melakukan pengambilan semula?
   • Satu pertanyaan SQL
   • Senarai sinonim sahaja
   • Imej termampat bagi pertanyaan
   • Dokumen hipotesis yang akan menjawab pertanyaan
2. What is the intended role of the encoder bottleneck when HyDE's hypothetical document contains invented details?
   • Retain useful retrieval patterns while reducing some irrelevant specifics, without guaranteeing error removal
   • Prove every generated sentence is factually correct
   • Manually repair every fabricated claim before encoding
   • Make fabricated details incapable of influencing any search result
3. Kelebihan praktikal utama HyDE ialah ia berfungsi:
   • Hanya dengan berjuta-juta contoh berlabel
   • Hanya pada teks bahasa Inggeris
   • Zero-shot, tanpa data latihan perkaitan berlabel
   • Hanya untuk carian imej
4. Jenis model benam yang manakah digunakan dalam HyDE asal untuk mengekod dokumen hipotetikal?
   • Pengelas pertanyaan yang diselia
   • Pengekod kontrastif tanpa pengawasan seperti Contriever
   • Pengekstrak kata kunci berasaskan peraturan
   • Rangkaian imej konvolusi
5. Apakah masalah teras dalam mendapatkan semula padat yang direka bentuk untuk ditangani oleh HyDE?
   • Pertanyaan pendek dan petikan jawapan yang lebih panjang selalunya terletak di kawasan ruang benam yang berbeza
   • Dokumen terlalu pendek untuk diindeks
   • Indeks terbalik terlalu perlahan
   • Pembenaman tidak boleh disimpan pada cakera
6. How can a HyDE variant combine several generated hypothetical documents into one search representation?
   • Declare all generated claims to be verified facts
   • Delete the encoder and search only by file size
   • Require every generated document to be a real corpus passage
   • Average their encoded vectors before searching the real corpus
7. Which text should support a factual answer after HyDE retrieval?
   • The generated hypothetical document because generation verifies it
   • Relevant real source passages that have been checked, rather than the hypothetical document alone
   • Only the nearest vector's numeric coordinates
   • Any invented detail repeated by several generated samples
8. What extra retrieval cost can HyDE introduce compared with directly embedding a user's query?
   • Mandatory relevance-label collection for every query
   • A requirement to retrain Contriever for each search
   • The latency and computation of generating one or more hypothetical documents
   • Elimination of all encoder and index computation