Викторина, связанная с руководством · Средний Уровень

Викторина по конвейерам извлечения данных с помощью искусственного интеллекта

Просмотрите конвейеры извлечения, оптическое распознавание символов, выходные данные с ограничениями по схеме, валидацию, происхождение и проверки качества, выполняемые человеком. Проверьте практические пределы.

Связанные направляющие путиКонвейеры извлечения данных ИИ
Вопрос 1 из 8

Какова основная цель конвейера извлечения данных ИИ?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Какова основная цель конвейера извлечения данных ИИ?
    • Превратить неструктурированные источники в чистые, структурированные данные, соответствующие схеме.
    • Для создания маркетинговых изображений
    • Переводить речь на музыку
    • Сжатие видеофайлов
  2. What does schema-constrained generation aim to control in an extraction pipeline?
    • The truth of every extracted value without review
    • The requested fields and output structure, while semantic correctness still requires validation
    • The original layout of a scanned document after OCR
    • Whether the source document is authentic
  3. Какова роль этапа оптического распознавания символов или анализа макета?
    • Чтобы удалить исходный файл
    • Чтобы зашифровать документ
    • Чтобы восстановить текст и сохранить структуру таблицы или формы перед извлечением
    • Воспроизведение документа как аудио
  4. Как хорошо спроектированные конвейеры справляются с извлечением данных с низкой степенью достоверности?
    • Они молча отбрасывают их
    • Они все равно всегда им доверяют
    • Они перезапускают весь конвейер с нуля
    • Они направляют их человеку для проверки.
  5. Каков пример правила проверки в таком конвейере?
    • Итоговые суммы по позициям должны складываться, а даты должны быть действительными.
    • Файл должен быть синим
    • Модель должна использовать ровно 100 слов.
    • Документ должен быть в альбомном режиме.
  6. What two main phases does the ChatSchema paper describe for structured medical-report extraction?
    • Training a speech recognizer and then translating subtitles
    • Classifying report scenarios and then extracting structured fields
    • Rendering a 3D scene and then estimating camera motion
    • Ranking product recommendations and then choosing a route
  7. Why validate extracted fields against a schema?
    • To prove all extracted facts are true
    • To replace the source document
    • To catch missing, malformed, or out-of-range values before downstream use
    • To eliminate OCR errors
  8. What provenance should a robust extraction pipeline retain?
    • Only the final JSON output
    • The model temperature only
    • A summary with no source reference
    • Links to the source document and location supporting each extracted field