Questionário vinculado ao guia · Médio Nível

Questionário de recuperação de interação tardia ColBERT

Teste vetores de token ColBERT, codificação independente, pontuação MaxSim, trabalho em tempo de consulta e os custos de armazenamento abordados pela compactação ColBERTv2.

Caminhos de guia relacionadosRecuperação de interação tardia de Colbert
Pergunta 1 de 8

Como o ColBERT representa uma consulta ou documento?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. Como o ColBERT representa uma consulta ou documento?
    • Como um único vetor de incorporação médio
    • Como a palavra-chave bruta conta apenas
    • Tantos vetores de incorporação contextual em nível de token
    • Como uma imagem
  2. Como é chamada a função de pontuação que ColBERT usa?
    • MaxSim
    • Agrupamento de cossenos
    • Entropia cruzada Softmax
    • Pesquisa de feixe
  3. What query-time work does ColBERT avoid by precomputing document token vectors?
    • All query encoding and all index access
    • Every comparison between a query token and document token
    • The need to store document representations
    • Joint transformer encoding of every query-document pair, while query encoding and similarity search still run
  4. A que se refere o 'tardio' em 'interação tardia'?
    • O modelo é treinado no final do pipeline
    • A interação entre tokens de consulta e documento é adiada para a etapa de pontuação após codificação independente
    • As consultas chegam tarde da noite
    • Os documentos são adicionados após a implantação
  5. Que problema com a recuperação densa de vetor único o ColBERT resolve?
    • É muito lento para indexar
    • Não pode ser executado em GPUs
    • Requer dados rotulados para cada consulta
    • A compactação de uma passagem inteira em um vetor perde detalhes refinados
  6. O que o ColBERTv2 melhorou notavelmente em relação ao original?
    • Ele eliminou a necessidade de quaisquer incorporações
    • Mudou do BERT para um sistema baseado em regras
    • Adicionou compactação residual para diminuir bastante o tamanho do índice
    • Eliminou a etapa MaxSim
  7. A two-token ColBERT query has best document-token similarities of 0.8 and 0.3. What MaxSim score results?
    • 0.8, retaining only the single largest value across the whole query
    • 1.1, the sum of the two per-query-token maxima
    • 0.55, averaging instead of summing the maxima
    • 0.24, multiplying the two maxima
  8. Why can a ColBERT document index require more storage than a single-vector dense index?
    • It retains multiple token-level representations for each document
    • It never precomputes any document features
    • It must store all transformer gradients for each document
    • It removes every document token before indexing