Rehber bağlantılı sınav · Orta Seviye
Metin Gömme Testi
Kosinüs puanlama, yoğun erişim, Cümle-BERT havuzu ve bağımsız olarak kodlanmış metinler dahil olmak üzere metin vektörlerini ve bağlamsal gösterimleri gözden geçirin.
Soru 1 arasında 8
What does a text embedding supply for a language comparison task?
Her soruyu önizleyin8 sorular
Testi çözdüğünüzde cevaplar ve açıklamalar görünür.
- What does a text embedding supply for a language comparison task?
- A required spoken audio recording
- A verbatim dictionary entry for every coordinate
- A numerical vector representation of text
- Only a grammar-repair instruction
- In a representation trained to capture synonym similarity, what relationship is desirable for happy and joyful?
- A relatively high similarity under the chosen scoring method
- A mandatory identical vector for every word
- A guarantee they are synonyms in every possible context
- A requirement that neither word can be encoded
- Word2Vec ve GloVe gibi ilk sözcük yerleştirmelerin temel sınırlaması neydi?
- Bilgisayarda saklanamadılar
- Sadece görseller için çalıştılar
- Hiçbir eğitim verisine ihtiyaç duymadılar
- Her kelimenin bağlamdan bağımsız olarak tek bir sabit vektörü vardı, dolayısıyla 'banka' her yerde aynı anlama geliyordu
- Modern bağlamsal yerleştirmeler statik kelime yerleştirmelere göre nasıl iyileşir?
- Gösterimden tüm sayıları kaldırıyorlar
- Çevresindeki cümleye bağlı olarak bir kelimeye farklı bir vektör verirler
- Her kelimenin yalnızca ilk harfini yerleştiriyorlar
- Her kelimenin vektörünü özdeş hale getiriyorlar
- Which documented default similarity method does Sentence Transformers use for embedding comparison?
- Kosinüs benzerliği
- Alphabetical order
- Document creation date
- Character count alone
- What role can compatible text vectors play in a dense-retrieval RAG pipeline?
- Guaranteeing every generated claim is correct
- Eliminating the source corpus
- Ranking candidate passages before they are supplied as context
- Training a new language model on every query
- Which pooling strategy is the stated default in the original Sentence-BERT paper?
- A mandatory maximum over every possible vocabulary item
- Mean pooling of output token vectors
- Concatenation of all corpus documents
- Randomly selecting an unchanged input byte
- Which Sentence-BERT design allows stored sentences to be encoded before a new comparison sentence arrives?
- Mandatory joint processing of every possible pair
- Rebuilding encoder weights for each candidate
- Encoding only the final comparison score
- Independent sentence encoding through its siamese architecture