แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบ LlamaIndex

สำรวจวิธีที่ LlamaIndex แยกวิเคราะห์และจัดทำดัชนีข้อมูล ดึงโหนดที่เกี่ยวข้อง สังเคราะห์การตอบสนอง และประเมินคุณภาพการดึงข้อมูล

เส้นทางแนะนำที่เกี่ยวข้องลาเมนเด็กซ์
คำถาม 1 ของ 8

LlamaIndex ได้รับการออกแบบมาเพื่อทำอะไรเป็นหลัก?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. LlamaIndex ได้รับการออกแบบมาเพื่อทำอะไรเป็นหลัก?
    • เชื่อมต่อ LLM กับข้อมูลของคุณสำหรับการสร้างการดึงข้อมูลแบบเสริม
    • ฝึกโมเดลรากฐานใหม่
    • สร้างภาพและวิดีโอ
    • จัดการคลัสเตอร์ GPU ในระบบคลาวด์
  2. LlamaIndex เดิมเรียกว่าอะไรเมื่อเปิดตัว
    • ดาต้าเชน
    • ดัชนีจีพีที
    • เวคเตอร์เบส
    • ลามะฮับ
  3. เหตุใดจึงจำเป็นต้องดึงข้อมูลแทนที่จะวางทุกอย่างลงในพรอมต์
    • LLM ไม่สามารถอ่านไฟล์ข้อความได้
    • การฝังเป็นสิ่งผิดกฎหมายในการจัดเก็บ
    • โมเดลมีหน้าต่างบริบทที่จำกัด และไม่มีความรู้เกี่ยวกับข้อมูลส่วนตัว
    • การดึงข้อมูลทำให้โมเดลฝึกได้เร็วขึ้น
  4. ในไปป์ไลน์ LlamaIndex อะไรถูกสร้างขึ้นจากแต่ละส่วนของเอกสารเพื่อเปิดใช้งานการค้นหาเชิงความหมาย
    • ไฟล์ ZIP ที่ถูกบีบอัด
    • แถวตาราง SQL
    • ภาพหน้าจอ
    • การฝังเวกเตอร์
  5. LlamaParse สร้างขึ้นเพื่อจัดการอะไร?
    • แยกวิเคราะห์ PDF ตาราง และเอกสารที่ซับซ้อนเพื่อการนำเข้า
    • แยกซอร์สโค้ดลงในแผนผังไวยากรณ์
    • แยกเสียงเป็นการถอดเสียง
    • กำลังแยกแพ็กเก็ตเครือข่าย
  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