Kuiz berkaitan panduan · Sederhana Tahap
Kuiz RAG multimodal
Uji perkara yang anda ketahui tentang RAG multimodal: kapsyen visual ke dalam teks, pembenaman teks imej kongsi dan perolehan tangkapan skrin halaman gaya ColPali.
soalan 1 daripada 8
Apa yang biasanya berlaku apabila saluran paip RAG teks sahaja memproses PDF yang penuh dengan jadual dan carta?
Pratonton setiap soalan8 soalan
Jawapan dan penjelasan muncul semasa anda mengambil kuiz.
- Apa yang biasanya berlaku apabila saluran paip RAG teks sahaja memproses PDF yang penuh dengan jadual dan carta?
- PDF menjadi terlalu kecil untuk diindeks
- Jadual menjadi bercelaru dan nilai carta atau gambar rajah hilang
- Embeddings menjadi imej
- Model itu enggan menjawab
- Apakah kelemahan utama pendekatan kapsyen-semuanya-ke dalam teks?
- Ia tidak boleh menggunakan pembenaman teks sedia ada
- Ia memerlukan pangkalan data vektor untuk imej
- Ia hanya berfungsi untuk borang yang diimbas
- Apa-apa sahaja yang gagal diterangkan oleh kapsyen hilang untuk diambil semula
- Apakah yang boleh dilakukan oleh model gaya CLIP dalam RAG multimodal?
- Membenamkan imej dan teks dalam ruang vektor kongsi supaya pertanyaan teks boleh mendapatkan semula imej
- Membaca teks kecil padat pada halaman yang diimbas dengan ketepatan yang tinggi
- Memampatkan PDF sebelum penyimpanan
- Menterjemah kapsyen ke dalam bahasa lain
- Apakah yang membezakan pendekatan ColPali?
- Ia menukar setiap halaman kepada Markdown dengan OCR terlebih dahulu
- Ia hanya mengindeks kapsyen imej
- Ia membenamkan tangkapan skrin halaman dengan model bahasa penglihatan dan melangkau OCR dan penghuraian reka letak
- Ia menyimpan satu vektor setiap dokumen
- Dalam interaksi lewat, bagaimanakah pertanyaan dijaringkan terhadap halaman?
- Satu vektor pertanyaan dibandingkan dengan satu vektor halaman
- Halaman disusun mengikut saiz fail
- Kiraan kata kunci dibandingkan
- Banyak vektor token pertanyaan dibandingkan dengan banyak vektor tampalan imej
- Mengapakah indeks gaya ColPali jauh lebih besar daripada indeks ketulan teks?
- Mereka menyimpan fail PDF asal di dalam setiap vektor
- Setiap halaman mendapat kira-kira satu vektor setiap tampung imej dan bukannya satu vektor
- Mereka menduplikasi setiap halaman dalam beberapa bahasa
- Mereka memerlukan menyimpan berat model penuh setiap halaman
- Mengapa menghantar imej halaman, bukan sahaja teks yang diekstrak, kepada model penjanaan?
- Soalan tentang nilai carta atau reka letak visual memerlukan model untuk melihat visual itu sendiri
- Imej sentiasa lebih murah daripada teks
- Teks tidak boleh dipetik
- Penjana tidak boleh membaca teks
- Pernyataan yang manakah tentang RAG multimodal dalam amalan adalah tepat?
- Ia sentiasa menggantikan saluran paip teks sepenuhnya
- Ia hanya berfungsi pada gambar
- Sistem hibrid yang menggabungkan teks yang dihuraikan, pengekstrakan jadual dan pengambilan imej halaman adalah perkara biasa
- Ia tidak memerlukan penilaian