Викторина, связанная с руководством · Средний Уровень

ЛамаИндекс викторины

Узнайте, как LlamaIndex анализирует и индексирует данные, извлекает соответствующие узлы, синтезирует ответы и оценивает качество извлечения.

Связанные направляющие путиЛламайндекс
Вопрос 1 из 8

Для чего в первую очередь предназначен LlamaIndex?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Для чего в первую очередь предназначен LlamaIndex?
    • Подключите LLM к своим данным для генерации с расширенным поиском
    • Обучение новым моделям фундамента
    • Создание изображений и видео
    • Управляйте кластерами графических процессоров в облаке
  2. Как изначально назывался LlamaIndex при его запуске?
    • Цепочка данных
    • Индекс GPT
    • ВекторБаза
    • ЛамаХаб
  3. Почему необходим поиск, а не просто вставка всего в подсказку?
    • LLM не могут читать текстовые файлы
    • Хранение вложений запрещено.
    • Модели имеют ограниченные контекстные окна и не знают личных данных.
    • Извлечение ускоряет обучение моделей
  4. Что создается из каждого фрагмента документа в конвейере LlamaIndex для обеспечения семантического поиска?
    • Сжатый ZIP-файл
    • Строка таблицы SQL
    • Скриншот
    • Векторное встраивание
  5. Для чего создан LlamaParse?
    • Анализ сложных PDF-файлов, таблиц и документов для обработки
    • Разбор исходного кода в синтаксические деревья
    • Разбор аудио в расшифровки
    • Парсинг сетевых пакетов
  6. Where do LlamaIndex node postprocessors run in the documented query pipeline?
    • Before documents are parsed or indexed
    • After retrieval and before response synthesis
    • Only after a final answer is returned
    • Between model pretraining and tokenizer training
  7. What does LlamaIndex’s SubQuestionQueryEngine do with a complex multi-source question?
    • Converts every document into a single unsearchable string
    • Runs only a fixed keyword lookup with no query planning
    • Creates subquestions for relevant data sources and synthesizes the intermediate responses
    • Fine-tunes the language model on the documents
  8. In a LlamaIndex query pipeline, what is the response synthesizer responsible for?
    • Choosing the original PDF files before ingestion
    • Training the embedding model from scratch
    • Replacing the retriever’s index with a file system
    • Combining the query and retrieved Nodes to produce a response