Questionário de recuperação de passagem densa

As respostas e explicações aparecem conforme você responde ao teste.

1. Como o Dense Passage Retrieval decide quais passagens correspondem a uma consulta?
   • Comparando representações vetoriais densas de consultas e passagens por similaridade
   • Contando quantas palavras de consulta aparecem em cada documento
   • Traduzindo a consulta em SQL antes de pesquisar
   • Classificar documentos apenas pela data de publicação recente
2. O DPR usa uma arquitetura 'bi-codificadora'. O que isso significa?
   • Ele codifica o texto duas vezes e calcula a média dos resultados
   • Funciona apenas em documentos bilíngues
   • Ele codifica caracteres e palavras simultaneamente
   • Ele usa dois codificadores separados, um para consultas e outro para passagens
3. Por que os vetores de passagem podem ser calculados antecipadamente no DPR?
   • Porque as passagens nunca mudam uma vez escritas
   • Porque o codificador de consulta está desativado no momento da pesquisa
   • Porque cada passagem é codificada independentemente de qualquer consulta
   • Porque as passagens são armazenadas apenas como texto bruto
4. Que truque de treinamento permite que o DPR gere muitos exemplos negativos de maneira barata?
   • Inversão aleatória de rótulos
   • Negativos em lote, usando outras passagens no mesmo lote
   • Abandonando metade dos neurônios
   • Rotular manualmente cada passagem errada
5. 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
6. Qual ferramenta é comumente usada para tornar a pesquisa do vizinho mais próximo do DPR rápida e em grande escala?
   • Um índice aproximado do vizinho mais próximo, como FAISS
   • Uma classificação de planilha
   • Um mecanismo de expressão regular
   • Uma junção de banco de dados relacional
7. 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
8. 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