Kuiz Model Penarafan Semula

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Dalam saluran paip perolehan semula dua peringkat biasa, apakah tugas penyusun semula?
   • Untuk membuat skor semula dan menyusun semula senarai pendek calon untuk relevan
   • Untuk menarik calon awal daripada berjuta-juta dokumen
   • Untuk menyimpan dokumen dalam pangkalan data
   • Untuk menjana jawapan akhir bahasa semula jadi
2. Besides MS MARCO, on which dataset did Nogueira and Cho report strong results for their BERT passage reranker?
   • ImageNet
   • TREC-CAR
   • LibriSpeech
   • SQuAD only
3. Mengapakah pengekod silang silang tidak boleh digunakan untuk mencari berjuta-juta dokumen secara terus?
   • Ia hanya berfungsi pada imej
   • Ia tidak boleh membaca teks
   • Markahnya mesti dikira baru untuk setiap pasangan dokumen pertanyaan, yang terlalu perlahan pada skala
   • Ia tidak memerlukan pengiraan sama sekali
4. Apakah kelebihan utama pengekod dwi berbanding pengekod silang?
   • Ia lebih tepat pada perkaitan yang terperinci
   • Ia sentiasa menyusun semula hasil dengan sempurna
   • Ia tidak memerlukan data latihan
   • Pembenaman dokumennya boleh diprakira, menjadikan perolehan semula cepat dan berskala
5. How can a reranker affect context quality in a retrieval-augmented generation pipeline?
   • It can move more relevant retrieved candidates higher in the context shortlist, but does not guarantee correctness
   • It ensures every retrieved passage is factually correct
   • It creates missing documents in the corpus
   • It removes the need to evaluate retrieval
6. In listwise reranking, what does the model consider together?
   • Only one document with no query
   • A query and a set of candidate documents when deciding their ordering
   • Each document embedding before any candidate retrieval
   • A single relevance label for the full training corpus
7. What should a team verify before interpreting reranker scores as probabilities?
   • Whether every score is above zero
   • Whether the first-stage retriever was removed
   • Whether the scores have been calibrated and evaluated for that use
   • Whether the model has more parameters than the retriever
8. What limitation does a reranker inherit from the first-stage retrieval system?
   • It always returns a calibrated probability
   • It removes the need for retrieval
   • It guarantees a correct generated answer
   • It cannot promote a relevant document that was never included in the candidate set