Çapraz Kodlayıcılar ve Bi-Enkoderler Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Çapraz kodlayıcı ile çift kodlayıcı arasındaki tanımlayıcı mimari fark nedir?
   • Çapraz kodlayıcı her iki metni de birlikte işler, böylece jetonlar metinler arasında yer alabilir; çift kodlayıcı ise her metni ayrı ayrı kodlar
   • İki kodlayıcı dikkati kullanır, çapraz kodlayıcı ise dikkati kullanmaz
   • Çapraz kodlayıcı, çift kodlayıcıdan daha küçük ve daha hızlıdır
   • İki kodlayıcı aynı anda yalnızca bir metni işleyebilir
2. Çift kodlayıcılar neden milyonlarca belgeye verimli bir şekilde ölçekleniyor?
   • Daha az eğitim verisi kullanıyorlar
   • Belge yerleştirmeleri sorgudan bağımsızdır ve önceden hesaplanıp saklanabilir
   • Asla transformatör kullanmazlar
   • Yavaş tokenizasyon adımını atlıyorlar
3. Tipik bir üretim arama hattında iki mimari nasıl birleştirilir?
   • Çapraz kodlayıcı adayları alır ve ardından iki kodlayıcı onları yeniden sıralar
   • Her ikisi de paralel çalışır ve oyların ortalaması alınır
   • İki kodlayıcı birçok adayı alır, ardından çapraz kodlayıcı en üsttekileri yeniden sıralar
   • Yalnızca biri kullanılır, ikisi birden asla kullanılmaz
4. How does a late-interaction model such as ColBERT combine token-level query and document representations at scoring time?
   • It averages both texts into a single vector before any interaction
   • It concatenates raw audio waveforms and applies a vocoder
   • It ranks documents only by their character count
   • It compares query-token vectors with document-token vectors using a MaxSim-style aggregation
5. Çift kodlayıcı tek bir giriş metni için tipik olarak ne çıktı verir?
   • Tek bir sabit uzunlukta gömme vektörü
   • İki metin arasındaki alaka puanı
   • Sıralanmış belge listesi
   • Kelime dağarcığı üzerinde olasılık dağılımı
6. After jointly processing a query and candidate, what does a cross-encoder produce?
   • A reusable document vector computed independently of the query
   • A relevance score for that specific query-candidate pair
   • A separate token vector for every item in the full corpus
   • A guarantee that the top result is correct
7. What kind of representation does a late-interaction model such as ColBERT retain for a text?
   • Only one global label for the whole corpus
   • A decoded audio waveform
   • A vector representation for each token
   • A complete copy of the cross-encoder’s pairwise scores
8. What similarity function do Sentence Transformers examples commonly use for comparing normalized bi-encoder embeddings?
   • Edit distance over raw audio samples
   • A pixel-wise image loss
   • A speech-recognition word error rate
   • Kosinüs benzerliği