Gids-gekoppelde quiz · Middelmatig Niveau
Quiz voor het ophalen van dichte passages
Test DPR-query- en passage-encoders, puntproductscores, in-batch- en BM25-negatieven, en de noodzaak om een index te vernieuwen wanneer de inbedding verandert.
Vraag 1 van 8
How does Dense Passage Retrieval decide which passages match a query?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- How does Dense Passage Retrieval decide which passages match a query?
- Het vergelijken van dichte vectorrepresentaties van vragen en passages op basis van gelijkenis
- Tellen hoeveel zoekwoorden in elk document voorkomen
- Vertaal de zoekopdracht naar SQL voordat u gaat zoeken
- Documenten puur rangschikken op basis van hoe recent ze zijn gepubliceerd
- DPR maakt gebruik van een 'bi-encoder'-architectuur. Wat betekent dat?
- Het codeert tekst twee keer en berekent het gemiddelde van de resultaten
- Het werkt alleen op tweetalige documenten
- Het codeert zowel tekens als woorden tegelijkertijd
- Het maakt gebruik van twee afzonderlijke encoders, één voor queries en één voor passages
- Waarom kunnen passagevectoren vooraf worden berekend in DPR?
- Omdat de passages nooit veranderen als ze eenmaal zijn geschreven
- Omdat de query-encoder is uitgeschakeld tijdens het zoeken
- Omdat elke passage onafhankelijk van welke vraag dan ook wordt gecodeerd
- Omdat passages alleen als onbewerkte tekst worden opgeslagen
- Met welke trainingstruc kan DPR goedkoop veel negatieve voorbeelden genereren?
- Willekeurig omdraaien van labels
- In-batch-negatieven, waarbij andere passages in dezelfde batch worden gebruikt
- Het wegvallen van de helft van de neuronen
- Handmatig elke verkeerde passage labelen
- For what vocabulary mismatch can learned DPR representations be useful compared with lexical matching alone?
- The passage is unrelated but repeats the query's terms
- Every query contains only an exact serial number
- The encoder is guaranteed to retrieve the right answer for all inputs
- A relevant passage expresses a query's idea using different words
- Welk hulpmiddel wordt vaak gebruikt om DPR's dichtstbijzijnde buurzoekopdracht snel en op grote schaal te maken?
- Een geschatte dichtstbijzijnde buurindex zoals FAISS
- Een spreadsheet-soort
- Een reguliere expressie-engine
- Een relationele database-join
- Why can BM25-retrieved nonanswer passages be useful hard negatives when training DPR?
- They guarantee that every retrieved passage is irrelevant
- Their lexical overlap can make them challenging distractors that the retriever must distinguish from the answer passage
- They remove the need for a positive answer passage
- They force the passage encoder to count words without learning
- After changing DPR's passage encoder, what should happen to a stored passage-vector index?
- Keep the old embeddings because encoder weights cannot affect vectors
- Rename the index without recalculating any representation
- Recompute the passage embeddings with the intended compatible encoder and update the index
- Disable the query encoder and search raw filenames instead