Вікторина, пов’язана з посібником · важко Рівень

ColBERT і вікторина Multi-Vector Retrieval

Вивчіть багатовекторне ранжування ColBERT, переранжування кандидатів, пошук сторінок документа ColPali та те, як ColBERTv2 стискає представлення токенів.

Пов'язані напрямні шляхиКольбер і багатовекторний пошук
Питання 1 з 8

Як ColBERT представляє документ?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Як ColBERT представляє документ?
    • Скільки контекстних векторів на маркер
    • Як єдиний щільний вектор
    • Як мішок ключових слів має значення
    • Лише як необроблений текстовий рядок
  2. Яку операцію використовує ColBERT для оцінки релевантності запиту та документа?
    • Косинус двох одиничних векторів
    • MaxSim: сума маркерів кожного запиту, які найкраще відповідають будь-якому маркеру документа
    • Перехресна ентропія по всьому словниковому запасу
    • Частота терміну BM25
  3. Чому ColBERT швидше, ніж крос-кодер у масштабі?
    • Він використовує менший словниковий запас
    • Він повністю ігнорує запит
    • Вбудовані маркери документів попередньо обчислюються та індексуються в автономному режимі
    • Він обробляє лише перше слово кожного документа
  4. Яку проблему з одновекторними щільними ретриверами вирішує ColBERT?
    • Вони занадто повільні для індексації
    • Вони не можуть використовувати нейронні мережі
    • Їм не потрібні навчальні дані
    • Вони втрачають дрібні деталі на рівні маркера, стискаючи до одного вектора
  5. Яке ключове вдосконалення запровадив ColBERTv2?
    • Залишкове стиснення, яке значно зменшує розмір покажчика
    • Він повністю видалив BERT
    • Він перейшов на одновекторне кодування
    • Він працює лише на зображеннях
  6. До чого ColPali застосовує пізню взаємодію у стилі ColBERT?
    • Аудіо сигнали
    • Патчі зображень сторінок документа, як-от PDF-файлів
    • Лише окремі ключові слова
    • Рядки таблиці бази даних
  7. In a two-stage search system, what role can ColBERT play after a fast first-stage retriever?
    • Generate the source documents from scratch
    • Replace the query with a document title
    • Rerank the candidate passages using contextual token-level matching
    • Discard every candidate before scoring
  8. What does ColBERTv2's residual compression store for a token vector?
    • Only the raw document text with no vector data
    • A full copy of the language model for each token
    • One shared vector for the entire document
    • A centroid code together with a compact residual representation