Questionário de incorporações

As respostas e explicações aparecem conforme você responde ao teste.

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. Qual métrica é comumente usada para comparar dois embeddings?
   • Diferença de tamanho de arquivo
   • Ordem alfabética
   • Contagem de palavras
   • Semelhança de cosseno
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. O que o exemplo clássico de 'rei - homem + mulher ≈ rainha' demonstra sobre incorporações?
   • Eles podem capturar relacionamentos por meio de aritmética vetorial
   • Eles armazenam definições exatas de palavras
   • Eles funcionam apenas para termos de royalties
   • Eles são aleatórios e sem sentido
6. Qual é o risco real ao usar embeddings?
   • Eles não podem ser armazenados em um banco de dados
   • Eles só funcionam em inglês
   • Eles podem herdar e refletir preconceitos presentes em seus dados de treinamento
   • Eles fazem todas as pesquisas apenas com correspondência exata
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