Викторина, связанная с руководством · Жесткий Уровень

ColBERT и викторина по многовекторному поиску

Изучите многовекторное ранжирование ColBERT, переранжирование кандидатов, поиск страниц документов ColBERT и то, как ColBERTv2 сжимает представления токенов.

Связанные направляющие путиКольбер и многовекторный поиск
Вопрос 1 из 8

Как ColBERT представляет документ?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Как ColBERT представляет документ?
    • Столько контекстных векторов для каждого токена
    • Как один плотный вектор
    • Как скудный набор ключевых слов
    • Только как необработанная текстовая строка
  2. Какую операцию использует ColBERT для оценки релевантности запроса-документа?
    • Косинус двух одиночных векторов
    • MaxSim: сумма наилучшего соответствия каждого токена запроса любому токену документа.
    • Перекрестная энтропия по всему словарю
    • Частота термина BM25
  3. Почему ColBERT быстрее кросс-кодировщика в масштабе?
    • Он использует меньший словарный запас
    • Он полностью игнорирует запрос
    • Внедрения токенов документа предварительно вычисляются и индексируются в автономном режиме.
    • Он обрабатывает только первое слово каждого документа.
  4. Какую проблему с одновекторными плотными ретриверами решает ColBERT?
    • Они слишком медленно индексируются
    • Они не могут использовать нейронные сети
    • Они не требуют данных для обучения
    • Они теряют детализацию на уровне токенов из-за сжатия до одного вектора.
  5. Какое ключевое улучшение внес ColBERTv2?
    • Остаточное сжатие, которое значительно уменьшает размер индекса.
    • Он полностью удалил BERT
    • Он перешел на одновекторное кодирование
    • Работает только с изображениями
  6. К чему ColPali применяет позднее взаимодействие в стиле ColBERT?
    • Аудио сигналы
    • Патчи изображений страниц документов, например PDF-файлов.
    • Только отдельные ключевые слова
    • Строки таблицы базы данных
  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