Modelleri Yeniden Sıralama Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Tipik iki aşamalı bir geri alma hattında yeniden sıralayıcının görevi nedir?
   • Uygunluk açısından adayların kısa listesini yeniden puanlamak ve yeniden sıralamak için
   • Milyonlarca belge arasından ilk adayları çıkarmak
   • Belgeleri bir veritabanında saklamak için
   • Nihai doğal dil cevabını oluşturmak için
2. Besides MS MARCO, on which dataset did Nogueira and Cho report strong results for their BERT passage reranker?
   • ImageNet
   • TREC-CAR
   • LibriKonuşma
   • SQuAD only
3. Milyonlarca belgeyi doğrudan aramak için neden çapraz kodlayıcı yeniden sıralaması kullanılamıyor?
   • Yalnızca görseller üzerinde çalışır
   • Metin okuyamıyor
   • Her sorgu-belge çifti için puanlarının yeni hesaplanması gerekir; bu da ölçek açısından çok yavaştır
   • Hiçbir hesaplama gerektirmez
4. Çift kodlayıcının çapraz kodlayıcıya göre temel avantajı nedir?
   • İnce taneli alaka düzeyinde daha doğrudur
   • Sonuçları her zaman mükemmel şekilde yeniden sıralar
   • Eğitim verisine ihtiyaç duymaz
   • Belge yerleştirmeleri önceden hesaplanabilir, böylece belge alımı hızlı ve ölçeklenebilir hale gelir
5. How can a reranker affect context quality in a retrieval-augmented generation pipeline?
   • It can move more relevant retrieved candidates higher in the context shortlist, but does not guarantee correctness
   • It ensures every retrieved passage is factually correct
   • It creates missing documents in the corpus
   • It removes the need to evaluate retrieval
6. In listwise reranking, what does the model consider together?
   • Only one document with no query
   • A query and a set of candidate documents when deciding their ordering
   • Each document embedding before any candidate retrieval
   • A single relevance label for the full training corpus
7. What should a team verify before interpreting reranker scores as probabilities?
   • Whether every score is above zero
   • Whether the first-stage retriever was removed
   • Whether the scores have been calibrated and evaluated for that use
   • Whether the model has more parameters than the retriever
8. What limitation does a reranker inherit from the first-stage retrieval system?
   • It always returns a calibrated probability
   • It removes the need for retrieval
   • It guarantees a correct generated answer
   • It cannot promote a relevant document that was never included in the candidate set