Test legat de ghid · Greu Nivel

ColBERT și chestionar de recuperare multi-vector

Study ColBERT's multi-vector ranking, candidate reranking, ColPali document-page retrieval, and how ColBERTv2 compresses token representations.

Căi de ghidare aferenteColbert și recuperarea multi vector
Întrebare 1 de 8

Cum reprezintă ColBERT un document?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Cum reprezintă ColBERT un document?
    • La fel de mulți vectori contextuali pe token
    • Ca un singur vector dens
    • Ca o pungă rară de cuvinte cheie contează
    • Numai ca șir de text brut
  2. Ce operație folosește ColBERT pentru a nota relevanța interogării-document?
    • Cosinusul a doi vectori unici
    • MaxSim: suma celor mai bune potriviri a fiecărui jeton de interogare cu orice simbol de document
    • Entropie încrucișată asupra întregului vocabular
    • Frecvența termenului BM25
  3. De ce este ColBERT mai rapid decât un codificator încrucișat la scară?
    • Folosește un vocabular mai mic
    • Ignoră complet interogarea
    • Încorporarea token-ului de document este precalculată și indexată offline
    • Procesează doar primul cuvânt al fiecărui document
  4. Ce problemă cu un singur vector dens retriever se adresează ColBERT?
    • Sunt prea lente pentru a fi indexate
    • Ei nu pot folosi rețelele neuronale
    • Nu necesită date de antrenament
    • Ei pierd detalii fine, la nivel de simbol, prin comprimarea la un vector
  5. Ce îmbunătățire cheie a introdus ColBERTv2?
    • Compresie reziduală care micșorează foarte mult dimensiunea indexului
    • A eliminat complet BERT
    • S-a trecut la codificarea cu un singur vector
    • Funcționează doar pe imagini
  6. La ce aplică ColPali interacțiunea târzie în stilul ColBERT?
    • Forme de undă audio
    • Patch-uri de imagini ale paginilor documentului, cum ar fi PDF-urile
    • Numai cuvinte cheie individuale
    • Rânduri din tabelul bazei de date
  7. In a two-stage search system, what role can ColBERT play after a fast first-stage retriever?
    • Generate the source documents from scratch
    • Replace the query with a document title
    • Rerank the candidate passages using contextual token-level matching
    • Discard every candidate before scoring
  8. What does ColBERTv2's residual compression store for a token vector?
    • Only the raw document text with no vector data
    • A full copy of the language model for each token
    • One shared vector for the entire document
    • A centroid code together with a compact residual representation