Gids-gekoppelde quiz · Middelmatig Niveau

Inbeddingsquiz

Ontdek de inbedding van geometrie en cosinusovereenkomst, met vectoranalogieën, zoeken bij benadering, aangeleerde bias en genormaliseerde afstandsberekeningen.

Gerelateerde gidspadenInbedding
Vraag 1 van 8

What is an embedding in the numerical representation sense used here?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. What is an embedding in the numerical representation sense used here?
    • A dictionary definition that must be stored verbatim
    • A required compression format for image files
    • A vector representing an item for a model or comparison task
    • An exact database row identifier only
  2. What can closeness in a trained semantic embedding space indicate?
    • Similarity learned under that model’s objective
    • A guarantee that two statements are equally true
    • An identical byte sequence in every case
    • A universal relation independent of training
  3. Welke statistiek wordt vaak gebruikt om twee insluitingen te vergelijken?
    • Verschil in bestandsgrootte
    • Alfabetische volgorde
    • Aantal woorden
    • Cosinus gelijkenis
  4. What tradeoff can an approximate embedding index such as HNSW introduce?
    • A guarantee of complete exact retrieval in every configuration
    • Faster search with possible missed exact nearest neighbors
    • A required change of every vector to a word definition
    • Automatic removal of all training-data bias
  5. Wat laat het klassieke 'koning - man + vrouw ≈ koningin'-voorbeeld zien over inbedding?
    • Ze kunnen relaties vastleggen via vectorberekeningen
    • Ze slaan exacte definities van woorden op
    • Ze werken alleen voor royaltyvoorwaarden
    • Ze zijn willekeurig en betekenisloos
  6. Wat is een reëel risico bij het gebruik van inbedding?
    • Ze kunnen niet in een database worden opgeslagen
    • Ze werken alleen in het Engels
    • Ze kunnen vooroordelen in hun trainingsgegevens erven en weerspiegelen
    • Ze zorgen ervoor dat alle zoekopdrachten alleen exact overeenkomen
  7. Two unit-length embedding vectors have dot product 0.8. What is their squared Euclidean distance?
    • 0.2
    • 0.4
    • 0.8
    • 1.6
  8. When does an inner-product score equal cosine similarity for two nonzero embedding vectors?
    • Whenever their dimensions are equal
    • Whenever they came from two unrelated model families
    • Only when their coordinates are all zero
    • When both vectors have been normalized to unit length