Quiz połączony z przewodnikiem · Średni Poziom
Dostrajanie a RAG czy quiz podpowiadający
Testuje, jak zdiagnozować luki w wiedzy, formacie, stylu i umiejętnościach, kiedy RAG przewyższa dostrajanie i dlaczego zbiory oceny wpływają na decyzję.
Pytanie 1 z 8
Modelka błędnie odpowiada na pytania dotyczące cen Twojej firmy, ponieważ ceny zmieniają się co kwartał. Które podejście najlepiej pasuje do tej luki?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Modelka błędnie odpowiada na pytania dotyczące cen Twojej firmy, ponieważ ceny zmieniają się co kwartał. Które podejście najlepiej pasuje do tej luki?
- Dopracuj model w cenniku z ostatniego kwartału
- Użyj RAG, aby pobrać aktualne dokumenty cenowe w momencie odpowiedzi
- Obniż temperaturę modelu
- Dodaj więcej przykładów grzecznych odpowiedzi do podpowiedzi
- Według przewodnika, co jest zwykle pierwszą dźwignią do rozwiązywania problemów z formatem i stylem?
- Pełne dostrojenie
- Budowa bazy danych wektorowych
- Monitowanie za pomocą jasnych instrukcji i przykładów
- Zmiana na większy model
- Dlaczego dostrajanie jest opisywane jako zawodny sposób na uzupełnienie wiedzy opartej na faktach?
- Nie może zmienić ciężaru modelu
- Działa tylko na modelach obrazu
- Jest trudny do aktualizacji i może zwiększyć liczbę pewnych błędów dotyczących rzadko spotykanego materiału
- Zawsze usuwa istniejącą wiedzę modelu
- Która sytuacja najwyraźniej sprzyja dostrojeniu?
- Potrzebujesz wąskiego zadania wykonywanego przy dużej głośności i chcesz, aby mniejszy, tańszy model pasował do większego
- Twoje dokumenty zmieniają się każdego dnia
- Chcesz odpowiedzi, cytując fragmenty źródłowe
- Nie stworzyłeś jeszcze żadnych przykładów ewaluacyjnych
- Co powinieneś sprawdzić, zanim zrzucisz winę na model języka, jeśli system RAG podaje błędne odpowiedzi?
- Data szkolenia modelki
- Czy w pobranych wynikach pojawia się prawidłowy fragment
- Liczba rdzeni GPU
- Tylko długość monitu systemowego
- Co robi LoRA w kontekście dostrajania?
- Pobiera dokumenty z indeksu wyszukiwania
- Kompresuje monity o zapisanie tokenów
- Uczy małe macierze adapterów zamiast aktualizować wagi wszystkich modeli
- Eliminuje potrzebę danych szkoleniowych
- Które stwierdzenie dotyczące połączenia trzech metod jest według przewodnika prawdziwe?
- Są one rozłączne i nie można ich łączyć
- Systemy produkcyjne często korzystają z precyzyjnie dostrojonego kontekstu odczytu modelu, kierując się dobrym podpowiedzią
- RAG zastępuje potrzebę jakiegokolwiek monitu
- Dostrojenie musi zawsze nastąpić przed zapytaniem
- Co powinno kierować wyborem między monitowaniem, RAG i dostrajaniem?
- Którakolwiek metoda jest najnowsza
- Reprezentatywny zestaw ewaluacyjny mierzący każdą opcję
- Domyślne ustawienie dostawcy
- Sama wielkość budżetu szkoleniowego