Викторина, связанная с руководством · Средний Уровень

Викторина по графикам знаний GraphRAG

Протестируйте извлечение сущностей GraphRAG, сообщества графов, локальные и глобальные запросы, проверку источника и работу индексирования, лежащую в основе отчетов сообщества.

Связанные направляющие путиГрафы знаний Graphrag
Вопрос 1 из 8

Какую базовую структуру строит GraphRAG, которая отличает ее от стандартной RAG?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Какую базовую структуру строит GraphRAG, которая отличает ее от стандартной RAG?
    • Реляционная схема SQL пользователей
    • Нейронная сеть пикселей
    • Граф знаний сущностей и их отношений
    • Список стоп-слов
  2. What query scope motivated community reports in Microsoft's 2024 GraphRAG work?
    • Only changing a sentence's spelling
    • Collection-wide themes and summaries whose evidence spans many documents
    • Only measuring a video file's frame rate
    • A guarantee that all narrow lookups must use graph traversal
  3. Какой алгоритм обычно использует GraphRAG для кластеризации связанных объектов в сообщества?
    • Пузырьковая сортировка
    • Градиентный спуск
    • RSA-шифрование
    • Обнаружение сообщества Лейдена
  4. What does GraphRAG's model-based extraction stage produce from source chunks?
    • Structured entity and relationship records with descriptions
    • Only an executable operating-system image
    • Only random names unrelated to the source
    • Only audio waveforms with no text records
  5. How do documented GraphRAG local and global query strategies use context differently?
    • Local means Wi-Fi and global means satellite connectivity
    • Local search uses entity-related and source context; global search aggregates community reports
    • Local works only with images while global excludes all documents
    • Both strategies discard extracted information before generation
  6. Какая организация популяризировала подход GraphRAG в 2024 году?
    • Телефонная компания 1970-х годов.
    • Сеть ресторанов быстрого питания
    • Microsoft Исследования
    • Авиационный альянс
  7. Why should an important GraphRAG relationship be checked against its source documents?
    • The extraction model can make errors, and a graph edge does not independently establish the relationship's truth
    • Every extracted edge is automatically a verified fact
    • Graph storage replaces the need for source evidence
    • Community detection proves the original documents cannot be wrong
  8. What additional upfront work can GraphRAG indexing require compared with simply preparing text chunks?
    • No model calls or derived records of any kind
    • Automatic retraining of every user's language model
    • Publishing every source document to social media
    • Model-based entity and relationship extraction and generation of community reports