แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ยาก ระดับ

ColBERT และแบบทดสอบการดึงข้อมูลหลายเวกเตอร์

ศึกษาการจัดอันดับหลายเวกเตอร์ของ ColBERT การจัดอันดับผู้สมัครใหม่ การดึงข้อมูลหน้าเอกสาร ColPali และวิธีที่ ColBERTv2 บีบอัดการแสดงโทเค็น

คำถาม 1 ของ 8

ColBERT นำเสนอเอกสารอย่างไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. ColBERT นำเสนอเอกสารอย่างไร
    • เวกเตอร์บริบทต่อโทเค็นจำนวนมาก
    • เป็นเวกเตอร์หนาแน่นตัวเดียว
    • เนื่องจากการนับคำหลักกระจัดกระจาย
    • เป็นสตริงข้อความดิบเท่านั้น
  2. ColBERT ใช้การดำเนินการใดในการให้คะแนนความเกี่ยวข้องของเอกสารการสืบค้น
    • โคไซน์ของเวกเตอร์เดี่ยวสองตัว
    • MaxSim: ผลรวมของโทเค็นการสืบค้นแต่ละรายการที่ตรงกันที่สุดกับโทเค็นเอกสารใดๆ
    • ข้ามเอนโทรปีเหนือคำศัพท์ทั้งหมด
    • ความถี่เทอม BM25
  3. เหตุใด ColBERT จึงเร็วกว่าตัวเข้ารหัสแบบข้ามในวงกว้าง
    • มันใช้คำศัพท์ที่เล็กกว่า
    • โดยจะละเว้นคำค้นหาทั้งหมด
    • การฝังโทเค็นเอกสารจะได้รับการคำนวณล่วงหน้าและจัดทำดัชนีแบบออฟไลน์
    • โดยจะประมวลผลเฉพาะคำแรกของแต่ละเอกสาร
  4. ColBERT กล่าวถึงปัญหาอะไรกับตัวดึงข้อมูลหนาแน่นแบบเวกเตอร์เดี่ยว
    • พวกมันช้าเกินไปในการจัดทำดัชนี
    • พวกเขาไม่สามารถใช้โครงข่ายประสาทเทียมได้
    • พวกเขาไม่ต้องการข้อมูลการฝึกอบรม
    • พวกเขาสูญเสียรายละเอียดในระดับโทเค็นที่ละเอียดโดยการบีบอัดให้เป็นเวกเตอร์เดียว
  5. ColBERTv2 มีการปรับปรุงที่สำคัญอะไรบ้าง
    • การบีบอัดที่เหลือซึ่งทำให้ขนาดดัชนีหดตัวลงอย่างมาก
    • มันลบ BERT ออกไปโดยสิ้นเชิง
    • มันเปลี่ยนไปใช้การเข้ารหัสเวกเตอร์เดี่ยว
    • มันใช้งานได้กับภาพเท่านั้น
  6. ColPali ใช้การโต้ตอบล่าช้าแบบ ColBERT กับอะไร
    • รูปคลื่นเสียง
    • แพตช์รูปภาพของหน้าเอกสาร เช่น PDF
    • คำหลักเดียวเท่านั้น
    • แถวตารางฐานข้อมูล
  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