Chestionar de recuperare a interacțiunii cu întârziere ColBERT

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

1. Cum reprezintă ColBERT o interogare sau un document?
   • Ca un singur vector de încorporare medie
   • Deoarece cuvântul cheie brut contează numai
   • La fel de mulți vectori de încorporare contextuală la nivel de simbol
   • Ca imagine
2. Cum se numește funcția de punctare pe care o folosește ColBERT?
   • MaxSim
   • Adunarea cosinusului
   • Entropia încrucișată Softmax
   • Căutare fascicul
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. La ce se referă „întârzierea” din „interacțiunea târzie”?
   • Modelul este antrenat târziu
   • Interacțiunea dintre jetoanele de interogare și document este amânată la pasul de scor după codificare independentă
   • Interogările ajung târziu în noapte
   • Documentele sunt adăugate după implementare
5. Ce problemă cu recuperarea densă cu un singur vector se adresează ColBERT?
   • Este prea lent de indexat
   • Nu poate rula pe GPU
   • Este nevoie de date etichetate pentru fiecare interogare
   • Comprimarea unui pasaj întreg într-un singur vector pierde detaliile fine
6. Ce a îmbunătățit în mod semnificativ ColBERTv2 față de original?
   • A eliminat necesitatea oricăror înglobări
   • A trecut de la BERT la un sistem bazat pe reguli
   • A adăugat compresie reziduală pentru a micșora foarte mult dimensiunea indexului
   • A eliminat pasul 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