Test de recuperare a pasajului dens

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

1. Cum decide Dense Passage Retrieval care pasaje corespund unei interogări?
   • Compararea reprezentărilor vectoriale dense ale interogărilor și pasajelor prin similitudine
   • Numărarea câte cuvinte de interogare apar în fiecare document
   • Traducerea interogării în SQL înainte de a căuta
   • Clasificarea documentelor doar după cât de recent au fost publicate
2. DPR utilizează o arhitectură „bi-encoder”. Ce înseamnă asta?
   • Codifică textul de două ori și face media rezultatelor
   • Funcționează doar pe documente bilingve
   • Codifică atât caractere, cât și cuvinte simultan
   • Folosește două codificatoare separate, unul pentru interogări și unul pentru pasaje
3. De ce vectorii de trecere pot fi calculați în avans în DPR?
   • Pentru că pasajele nu se schimbă niciodată odată scrise
   • Deoarece codificatorul de interogare este dezactivat în timpul căutării
   • Deoarece fiecare pasaj este codificat independent de orice interogare
   • Deoarece pasajele sunt stocate doar ca text brut
4. Ce truc de antrenament permite DPR să genereze multe exemple negative ieftin?
   • Întoarcerea aleatorie a etichetei
   • Negative în lot, folosind alte pasaje din același lot
   • Renunțarea la jumătate din neuroni
   • Etichetarea manuală a fiecărui pasaj greșit
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. Ce instrument este folosit în mod obișnuit pentru a face căutarea la scară rapidă a celui mai apropiat vecin din DPR?
   • Un index aproximativ al celui mai apropiat vecin, cum ar fi FAISS
   • Un sortare de foi de calcul
   • Un motor de expresii regulate
   • O alăturare a bazei de date relaționale
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