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.

İlgili kılavuz yollarıMetin Gömmeleri
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.

  1. 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
  2. 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
  3. 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
  4. 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
  5. Which documented default similarity method does Sentence Transformers use for embedding comparison?
    • Kosinüs benzerliği
    • Alphabetical order
    • Document creation date
    • Character count alone
  6. 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
  7. 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
  8. 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