Rehber bağlantılı sınav · Orta Seviye

Matryoshka Temsil Gömmeleri Testi

Matryoshka eğitiminin, ön ekleri birden çok boyutta nasıl faydalı hale getirdiğini ve uyarlanabilir depolama ve alma seçeneklerini nasıl desteklediğini test edin.

İlgili kılavuz yollarıMatryoshka Temsil Gömmeleri
Soru 1 arasında 8

Matryoshka yerleştirmenin temel özelliği nedir?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. Matryoshka yerleştirmenin temel özelliği nedir?
    • Trained prefixes can serve as representations at multiple lengths
    • Her boyut eşit derecede önemlidir ve sıra önemli değildir
    • Yalnızca tek bir sabit uzunlukta kullanılabilir
    • Her hedef boyutu için yeniden kodlanmalıdır
  2. Bunu başarmak için Matryoshka modeli nasıl eğitilir?
    • Her boyut için ayrı bir model eğiterek
    • Birden fazla iç içe geçmiş önek boyutu üzerinden toplanan bir kayıpla
    • Standart eğitimden sonra PCA uygulayarak
    • Boyutları yalnızca test zamanında rastgele bırakarak
  3. Daha küçük bir yerleştirme elde etmek için çıkarımda ne yaparsınız?
    • Modeli sıfırdan yeniden eğitin
    • Ayrı bir sıkıştırma ağı çalıştırın
    • İlk k boyutunu kısaltın ve yeniden normalleştirin
    • Tüm boyutların birlikte ortalamasını alın
  4. Which documented API lets a caller request fewer dimensions for text-embedding-3 output?
    • The dimensions parameter
    • A PCA flag in the Matryoshka paper
    • A FastText n-gram option
    • A GloVe context-window setting
  5. Matryoshka yerleştirmelerinin birincil pratik faydası nedir?
    • Fewer coordinates may reduce storage and comparison work; benchmark retrieval quality and cost
    • Herhangi bir vektöre olan ihtiyacı ortadan kaldırırlar
    • Her boyutta mükemmel doğruluğu garanti ederler
    • Sadece görseller için çalışıyorlar
  6. Bir Matryoshka yerleşiminde en ayırt edici bilgi nerede yoğunlaşıyor?
    • Son olarak sondaki boyutlarda
    • En erken, önde gelen boyutlarda
    • Sıralama olmadan eşit şekilde yayılır
    • Sadece orta boyutlarda
  7. Which dimensionality schedule is an example of nested Matryoshka prefixes in the guide?
    • Only one fixed size of 512 dimensions
    • A decreasing schedule from 2048 to 1 dimension with separate models
    • 8, 16, 32, and progressively larger prefixes up to 2048 dimensions
    • A sequence of unrelated sizes requiring new model weights each time
  8. How does truncating a Matryoshka embedding differ from applying a separate PCA model?
    • It requires retraining a different encoder for every dimension
    • It replaces the original vector with a random projection
    • It can only be done while the model is being trained
    • A shorter prefix can be sliced and renormalized from the same trained embedding without a separate projection model