Gömme Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. What is an embedding in the numerical representation sense used here?
   • A dictionary definition that must be stored verbatim
   • A required compression format for image files
   • A vector representing an item for a model or comparison task
   • An exact database row identifier only
2. What can closeness in a trained semantic embedding space indicate?
   • Similarity learned under that model’s objective
   • A guarantee that two statements are equally true
   • An identical byte sequence in every case
   • A universal relation independent of training
3. İki yerleştirmeyi karşılaştırmak için yaygın olarak hangi metrik kullanılır?
   • Dosya boyutu farkı
   • Alfabetik sıralama
   • Kelime sayısı
   • Kosinüs benzerliği
4. What tradeoff can an approximate embedding index such as HNSW introduce?
   • A guarantee of complete exact retrieval in every configuration
   • Faster search with possible missed exact nearest neighbors
   • A required change of every vector to a word definition
   • Automatic removal of all training-data bias
5. Klasik 'kral - erkek + kadın ≈ kraliçe' örneği yerleştirmeler hakkında neyi gösteriyor?
   • Vektör aritmetiği yoluyla ilişkileri yakalayabilirler
   • Kelimelerin tam tanımlarını saklarlar
   • Yalnızca telif hakkı koşulları için çalışırlar
   • Rastgele ve anlamsızdırlar
6. Gömmeleri kullanırken hangisi gerçek bir risktir?
   • Bir veritabanında saklanamazlar
   • Sadece İngilizce çalışıyorlar
   • Eğitim verilerinde mevcut olan önyargıları devralabilir ve yansıtabilirler.
   • Tüm aramaları yalnızca tam eşlemeli hale getiriyorlar
7. Two unit-length embedding vectors have dot product 0.8. What is their squared Euclidean distance?
   • 0.2
   • 0.4
   • 0.8
   • 1.6
8. When does an inner-product score equal cosine similarity for two nonzero embedding vectors?
   • Whenever their dimensions are equal
   • Whenever they came from two unrelated model families
   • Only when their coordinates are all zero
   • When both vectors have been normalized to unit length