Викторина, связанная с руководством · Средний Уровень

Викторина по шишкам

Охватывает поиск векторов и документов, метрики сходства, бессерверные индексы и почему полученный контекст все еще нуждается в оценке.

Связанные направляющие путиСосновая шишка
Вопрос 1 из 8

Что в первую очередь хранит и ищет Сосновая шишка?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Что в первую очередь хранит и ищет Сосновая шишка?
    • Векторные вложения, которые представляют значение данных
    • Необработанные SQL-таблицы строк и столбцов
    • Скомпилированные веса модели машинного обучения
    • Зашифрованные пароли пользователей
  2. Почему «Сосновая шишка» обычно сочетается с большими языковыми моделями?
    • Он обучает языковую модель с нуля.
    • Он обеспечивает внешнюю память, чтобы модель могла извлекать соответствующие факты (RAG).
    • Он сжимает модель для работы на телефонах.
    • Он переводит выходные данные модели на другие языки.
  3. How does Pinecone describe its serverless index algorithms?
    • It uses HNSW for every serverless index
    • Users must manually select one universal algorithm
    • It selects proprietary algorithms such as Ananas, PQFS, or IVF with PQFS by slab size
    • It searches only by exact string match
  4. What architecture change does Pinecone highlight in its serverless database?
    • Every vector must be stored in one local in-memory graph
    • Each user must operate a separate physical database
    • Queries are answered without reading or scoring vectors
    • Storage and compute are decoupled so relevant index portions can be loaded for a query
  5. Как обычно измеряется сходство между двумя векторами?
    • По косинусному расстоянию или скалярному произведению
    • По размеру файла в мегабайтах
    • По дате создания
    • Путем подсчета общих точных ключевых слов
  6. Для какой задачи хорошо подходит сосновая шишка?
    • Хранение и рендеринг 3D-графики видеоигр.
    • Поиск документов, схожих по смыслу с запросом
    • Запуск формул электронных таблиц
    • Компиляция исходного кода
  7. What is a key step before using retrieved Pinecone matches in a generated answer?
    • Assume the nearest vector is always a correct source
    • Ignore metadata and access controls
    • Evaluate whether the retrieved records are relevant and current for the query
    • Treat retrieval as proof the model’s response is correct
  8. What kinds of searchable data do current Pinecone serverless indexes support?
    • Only image files with no metadata
    • Only one fixed embedding model
    • Only SQL tables with no text fields
    • Depending on schema, dense vectors, sparse vectors, and full-text-search fields