Yoğun Geçit Alma Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Yoğun Geçiş Erişimi hangi pasajların bir sorguyla eşleşeceğine nasıl karar verir?
   • Sorguların ve pasajların yoğun vektör temsillerinin benzerliğe göre karşılaştırılması
   • Her belgede kaç sorgu sözcüğünün göründüğünü sayma
   • Aramadan önce sorguyu SQL'e çevirme
   • Belgeleri yalnızca ne kadar yakın zamanda yayınlandıklarına göre sıralama
2. DPR bir 'çift kodlayıcı' mimarisi kullanır. Bu ne anlama gelir?
   • Metni iki kez kodlar ve sonuçların ortalamasını alır
   • Yalnızca iki dilli belgelerde çalışır
   • Hem karakterleri hem de kelimeleri aynı anda kodlar
   • Biri sorgular için, diğeri pasajlar için olmak üzere iki ayrı kodlayıcı kullanır.
3. DPR'de geçiş vektörleri neden önceden hesaplanabilir?
   • Çünkü pasajlar yazıldıktan sonra asla değişmez
   • Sorgu kodlayıcı arama zamanında devre dışı olduğundan
   • Çünkü her pasaj herhangi bir sorgudan bağımsız olarak kodlanmıştır.
   • Çünkü pasajlar yalnızca ham metin olarak saklanıyor
4. Hangi eğitim hilesi DPR'nin birçok olumsuz örneği ucuza üretmesine olanak tanır?
   • Rastgele etiket çevirme
   • Aynı partideki diğer pasajları kullanan toplu negatifler
   • Nöronların yarısının atılması
   • Her yanlış pasajı manuel olarak etiketleme
5. For what vocabulary mismatch can learned DPR representations be useful compared with lexical matching alone?
   • The passage is unrelated but repeats the query's terms
   • Every query contains only an exact serial number
   • The encoder is guaranteed to retrieve the right answer for all inputs
   • A relevant passage expresses a query's idea using different words
6. DPR'nin en yakın komşu aramasını geniş ölçekte hızlı hale getirmek için yaygın olarak hangi araç kullanılır?
   • FAISS gibi yaklaşık bir en yakın komşu indeksi
   • Bir elektronik tablo sıralaması
   • Düzenli ifade motoru
   • İlişkisel bir veritabanı birleşimi
7. Why can BM25-retrieved nonanswer passages be useful hard negatives when training DPR?
   • They guarantee that every retrieved passage is irrelevant
   • Their lexical overlap can make them challenging distractors that the retriever must distinguish from the answer passage
   • They remove the need for a positive answer passage
   • They force the passage encoder to count words without learning
8. After changing DPR's passage encoder, what should happen to a stored passage-vector index?
   • Keep the old embeddings because encoder weights cannot affect vectors
   • Rename the index without recalculating any representation
   • Recompute the passage embeddings with the intended compatible encoder and update the index
   • Disable the query encoder and search raw filenames instead