Викторина, связанная с руководством · Средний Уровень

Агентская викторина RAG

Поймите, как агентные поисковые системы выбирают источники, разлагают вопросы, оценивают доказательства и управляют затратами на поиск.

Связанные направляющие путиАгент РАГ
Вопрос 1 из 8

Compared with a simple single-shot retrieve-and-generate baseline, what can agentic RAG add?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Compared with a simple single-shot retrieve-and-generate baseline, what can agentic RAG add?
    • The agent can decide whether and how to retrieve again during the task
    • Every classic RAG system makes exactly one lookup
    • Retrieval is never used
    • The model guarantees a correct answer after one search
  2. Как агентный RAG справляется со сложным многошаговым вопросом?
    • Он отказывается отвечать
    • Он может разбить вопрос на подвопросы и извлечь информацию по каждому из них.
    • Всегда отвечает только по памяти
    • Это удаляет вопрос
  3. В агентской RAG ретриверов лучше всего описать как «что агенту?»
    • Неиспользуемые фоновые процессы
    • Окончательный ответ
    • Инструменты, которые агент может выбрать для вызова
    • Тип фильтра изображений
  4. Что делает необязательный этап «оценки» в агентной RAG?
    • Присваивает пользователю оценку
    • Удаляет векторное хранилище
    • Переводит ответ
    • Отфильтровывает ненужные извлеченные фрагменты перед генерацией.
  5. Какова основная стоимость агентной RAG по сравнению с одноразовой RAG?
    • Больше вызовов моделей и более высокая задержка
    • Он не может использовать хранилище векторов.
    • теряет всякую точность
    • Это не требует вычислений
  6. Какой сценарий лучше всего подходит для агентной RAG?
    • Повторение точных слов пользователя
    • Перенаправление вопросов между внутренними документами, Интернетом и базой данных SQL по мере необходимости.
    • Генерация случайного текста без источников
    • Сжатие файла изображения
  7. What role do reflection tokens play in the Self-RAG framework?
    • They encrypt documents before indexing
    • They replace all retrievers with a fixed SQL query
    • They let the model signal retrieval decisions and critique retrieved evidence or generated responses
    • They guarantee that every generated citation is correct
  8. How does Adaptive-RAG choose among retrieval strategies?
    • It always performs the same number of searches
    • It skips retrieval for every multi-hop question
    • It selects sources only by document length
    • It selects a retrieval approach based on estimated question complexity