Вікторина, пов’язана з посібником · Середній Рівень

Тест конвеєрів вилучення даних AI

Перегляньте конвеєри вилучення, оптичне розпізнавання символів, вихідні дані, обмежені схемою, валідацію, походження та перевірку якості людиною. Перевірте практичні обмеження.

Пов'язані напрямні шляхиКонвеєри вилучення даних AI
Питання 1 з 8

Яка головна мета конвеєра вилучення даних ШІ?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Яка головна мета конвеєра вилучення даних ШІ?
    • Щоб перетворити неструктуровані джерела на чисті, структуровані дані, що відповідають схемі
    • Для створення маркетингових зображень
    • Для перекладу мови на музику
    • Для стиснення відеофайлів
  2. What does schema-constrained generation aim to control in an extraction pipeline?
    • The truth of every extracted value without review
    • The requested fields and output structure, while semantic correctness still requires validation
    • The original layout of a scanned document after OCR
    • Whether the source document is authentic
  3. Яка роль OCR або етапу аналізу макета?
    • Щоб видалити вихідний файл
    • Щоб зашифрувати документ
    • Щоб відновити текст і зберегти структуру таблиці або форми перед вилученням
    • Щоб відтворити документ як аудіо
  4. Як добре спроектовані конвеєри обробляють вилучення з низькою достовірністю?
    • Вони мовчки відкидають їх
    • Вони завжди їм довіряють
    • Вони перезапускають весь конвеєр з нуля
    • Вони направляють їх людині для перевірки
  5. Який приклад правила перевірки в такому конвеєрі?
    • Підсумкові суми рядків-позицій мають складатися, а дати мають бути дійсними
    • Файл повинен бути синім
    • Модель має використовувати рівно 100 слів
    • Документ повинен бути в альбомному режимі
  6. What two main phases does the ChatSchema paper describe for structured medical-report extraction?
    • Training a speech recognizer and then translating subtitles
    • Classifying report scenarios and then extracting structured fields
    • Rendering a 3D scene and then estimating camera motion
    • Ranking product recommendations and then choosing a route
  7. Why validate extracted fields against a schema?
    • To prove all extracted facts are true
    • To replace the source document
    • To catch missing, malformed, or out-of-range values before downstream use
    • To eliminate OCR errors
  8. What provenance should a robust extraction pipeline retain?
    • Only the final JSON output
    • The model temperature only
    • A summary with no source reference
    • Links to the source document and location supporting each extracted field