Gids-gekoppelde quiz · Middelmatig Niveau
Corrigerende RAG (CRAG) Quiz
Tests Correctieve RAG: de retrieval-evaluator, de juiste, onjuiste en dubbelzinnige acties, kennisverfijning en terugvalopties voor zoeken op internet.
Vraag 1 van 8
Welke kernzwakte van standaard RAG pakt CRAG aan?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Welke kernzwakte van standaard RAG pakt CRAG aan?
- De generator vertrouwt alles wat de retriever retourneert
- Inbedding is te klein
- Modellen kunnen geen lange documenten lezen
- Vectordatabases zijn te traag
- Welk soort model fungeerde in het originele CRAG-artikel als de retrieval-evaluator?
- Een grote generator in GPT-stijl
- Een verfijnd T5-groot model
- Een BM25-index
- Een menselijke recensent
- Wat doet CRAG als alle opgehaalde documenten laag scoren?
- In ieder geval antwoorden uit de documenten
- Geeft een fout terug aan de gebruiker
- Verwijdert ze, herschrijft de zoekopdracht en gebruikt zoeken op internet
- Verdubbelt het aantal opgehaalde documenten uit dezelfde index
- Wat is het doel van de stap van ontleden en vervolgens opnieuw samenstellen?
- Om documenten naar een andere taal te vertalen
- Om inbedding te comprimeren
- Om webpagina's te rangschikken op populariteit
- Om documenten in stroken te splitsen en alleen relevante stukken te behouden
- Welke actie onderneemt CRAG als de evaluator twijfelt over de relevantie?
- Dubbelzinnig: combineer verfijnde interne kennis met webresultaten
- Correct: gebruik alleen interne documenten
- Onjuist: gebruik alleen webresultaten
- Stop en vraag de gebruiker om opnieuw te formuleren
- Welke uitspraak over CRAG is volgens de gids een misvatting?
- Het voegt kosten en latentie toe
- Het kan andere RAG-methoden omwikkelen
- CRAG verifieert dat het uiteindelijke antwoord juist is
- Het kan zoeken op internet gebruiken als terugval
- Wat is de afweging bij het instellen van een zeer strikte relevantiedrempel?
- Zwakke documenten glippen er vaker doorheen
- Terugval wordt vaak geactiveerd, wat weboproepen en latentie toevoegt
- Het systeem stopt met het gebruik van een evaluator
- Antwoorden worden korter
- Waarom registreren welk pad (Correct, Dubbelzinnig, Onjuist) elke zoekopdracht heeft gevolgd?
- Het is vereist door de CRAG-licentie
- Het traint het inbeddingsmodel automatisch
- Het neemt de noodzaak van drempels weg
- Het brengt gaten in de dekking in de kennisbasis aan het licht die de moeite waard zijn om op te lossen