Gids-gekoppelde quiz · Moeilijk Niveau
ColBERT en quiz voor het ophalen van meerdere vectoren
Bestudeer de multi-vector ranking van ColBERT, de herrangschikking van kandidaten, het ophalen van ColPali-documentpagina's en hoe ColBERTv2 tokenrepresentaties comprimeert.
Vraag 1 van 8
Hoe representeert ColBERT een document?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Hoe representeert ColBERT een document?
- Evenveel contextuele vectoren per token
- Als een enkele dichte vector
- Omdat een schaarse zak met zoekwoorden telt
- Alleen als onbewerkte tekstreeks
- Welke bewerking gebruikt ColBERT om de relevantie van query-documenten te beoordelen?
- Cosinus van twee enkele vectoren
- MaxSim: som van de beste overeenkomst van elk querytoken met elk documenttoken
- Cross-entropie over het hele vocabulaire
- BM25 termijnfrequentie
- Waarom is ColBERT sneller dan een cross-encoder op schaal?
- Er wordt gebruik gemaakt van een kleinere woordenschat
- Het negeert de vraag volledig
- Inbedding van documenttokens wordt vooraf berekend en offline geïndexeerd
- Het verwerkt alleen het eerste woord van elk document
- Welk probleem met dichte retrievers met één vector pakt ColBERT aan?
- Ze zijn te traag om te indexeren
- Ze kunnen geen neurale netwerken gebruiken
- Ze vereisen geen trainingsgegevens
- Ze verliezen fijnkorrelige details op tokenniveau door te comprimeren tot één vector
- Welke belangrijke verbetering heeft ColBERTv2 geïntroduceerd?
- Residuele compressie die de indexgrootte aanzienlijk verkleint
- Het verwijderde BERT volledig
- Het schakelde over op single-vector-codering
- Het werkt alleen op afbeeldingen
- Waar past ColPali late interactie in ColBERT-stijl op toe?
- Audio golfvormen
- Afbeeldingsvlakken van documentpagina's, zoals pdf's
- Alleen enkele zoekwoorden
- Databasetabelrijen
- In a two-stage search system, what role can ColBERT play after a fast first-stage retriever?
- Generate the source documents from scratch
- Replace the query with a document title
- Rerank the candidate passages using contextual token-level matching
- Discard every candidate before scoring
- What does ColBERTv2's residual compression store for a token vector?
- Only the raw document text with no vector data
- A full copy of the language model for each token
- One shared vector for the entire document
- A centroid code together with a compact residual representation