Gids-gekoppelde quiz · Moeilijk Niveau

Speculatieve RAG en Retrieval-Augmented Drafting Quiz

Controleert documentclustering, parallelle antwoordconcepten, het genereren van redenen, verificatiescores en hoe speculatie de ophaallatentie verandert.

Vraag 1 van 8

Welke rol speelt het kleinere model in Speculatieve RAG?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Welke rol speelt het kleinere model in Speculatieve RAG?
    • Het stelt meerdere kandidaat-antwoorden op uit opgehaalde documentsubsets
    • Het verifieert en rangschikt de definitieve antwoorden
    • Het slaat de vectordatabase op
    • Het verwerkt alleen tokenisatie
  2. Waarom worden opgehaalde documenten geclusterd voordat ze worden opgesteld?
    • Om ze in één token te comprimeren
    • Om diverse, niet-redundante bewijssubsets te vormen voor verschillende concepten
    • Om dubbele modellen te verwijderen
    • Om de woordenschat van het model te vergroten
  3. Wat doet het grotere 'verifier'-model voornamelijk?
    • Genereer de opgehaalde documenten
    • Train het insluitingsmodel
    • Scoor de concepten van de kandidaten en selecteer de beste
    • Cluster de documenten
  4. Hoe vermindert speculatieve RAG de latentie in vergelijking met standaard RAG?
    • Door het ophalen helemaal over te slaan
    • Door een kleiner contextvenster zonder documenten te gebruiken
    • Door de vraag van de gebruiker in het cachegeheugen op te slaan
    • Door een klein model parallel te laten tekenen, controleert het grote model alleen korte concepten
  5. Elk ontwerp dat door de opsteller wordt geproduceerd, omvat doorgaans:
    • Een redenering die het antwoord verklaart
    • Een nieuwe set modelgewichten
    • De volledige vectorindex
    • Een lijst met alle gebruikers
  6. Met welke decoderingstechniek is de concept-en-verifieer-structuur van speculatieve RAG conceptueel vergelijkbaar?
    • Snoeien met straalzoeken
    • Speculatieve decodering
    • Hebzuchtige bemonstering
    • Top-k-filtering
  7. What information can the Speculative RAG verifier use when ranking candidate drafts?
    • Only the length of each document
    • The GPU type and cluster name
    • Draft consistency, rationale likelihood and a self-reflection signal
    • A random choice among the drafts
  8. Why sample documents from different clusters for separate drafts?
    • To ensure every draft sees identical passages
    • To remove all retrieved evidence
    • To make each drafter use a different tokenizer
    • To give the drafts diverse, less-redundant evidence subsets