Викторина, связанная с руководством · Средний Уровень

Викторина по контекстному поиску

Тестирует контекстный поиск: добавление контекста документа к фрагментам, контекстное встраивание с помощью контекстного BM25, изменение ранжирования и затраты на оперативное кэширование.

Связанные направляющие путиКонтекстуальный поиск
Вопрос 1 из 8

Какую проблему решает контекстный поиск?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Какую проблему решает контекстный поиск?
    • Части теряют информацию, такую ​​как компания или период времени, при отделении от документа.
    • Вложения слишком дороги для хранения
    • Языковые модели не могут читать таблицы
    • BM25 не может обрабатывать длинные запросы
  2. Как генерируется контекст для каждого фрагмента?
    • Копируя только заголовок документа
    • Языковая модель читает весь документ и его фрагмент и записывает краткое пояснение ситуации.
    • Редактор-человек для каждого фрагмента
    • Путем усреднения соседних вложений
  3. Какие два индекса получают контекстуальный текст фрагмента в подходе Anthropic?
    • Графовая база данных и кэш
    • Таблица SQL и электронная таблица
    • Индекс внедрения и индекс ключевых слов BM25.
    • Два отдельных векторных индекса с разными моделями
  4. Согласно экспериментам, о которых сообщает Anthropic, примерно насколько контекстное встраивание плюс контекстный BM25 уменьшили количество ошибок при извлечении из топ-20?
    • Около 5 процентов
    • Около 20 процентов
    • Около 90 процентов
    • Около 49 процентов
  5. Почему быстрое кэширование удешевляет контекстный поиск?
    • Он кэширует документ один раз и повторно использует его для контекстного вызова каждого фрагмента.
    • Он пропускает этап встраивания
    • Это устраняет необходимость в BM25.
    • Это укорачивает каждый кусок
  6. Почему сохранение BM25 в разработке особенно полезно с добавлением контекста?
    • BM25 понимает синонимы лучше, чем встраивания
    • Контексты часто добавляют точные идентификаторы, такие как имена, даты или коды, которые точно соответствуют поиску по ключевым словам.
    • BM25 не требует индекса
    • BM25 заменяет перерейтинг
  7. Когда контекстный поиск может оказаться ненужным?
    • Когда документы на английском языке
    • При использовании реранкера
    • Когда база знаний достаточно мала, чтобы поместиться в контекстном окне модели.
    • Когда чанки длиннее 50 токенов
  8. Где возникают основные дополнительные затраты на контекстный поиск?
    • Во время запроса на каждый вопрос пользователя
    • Только в реранкере
    • В браузере пользователя
    • Во время индексации, с одним вызовом модели на фрагмент