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.

Gerelateerde gidspadenColbert en multi-vector ophalen
Vraag 1 van 8

Hoe representeert ColBERT een document?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. Waar past ColPali late interactie in ColBERT-stijl op toe?
    • Audio golfvormen
    • Afbeeldingsvlakken van documentpagina's, zoals pdf's
    • Alleen enkele zoekwoorden
    • Databasetabelrijen
  7. 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
  8. 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