Вікторина, пов’язана з посібником · Середній Рівень

Тест ColBERT Late Interaction Retrieval

Перевірте вектори токенів ColBERT, незалежне кодування, підрахунок балів MaxSim, роботу під час запиту та витрати на зберігання, що враховуються стисненням ColBERTv2.

Пов'язані напрямні шляхиПізня взаємодія Colbert
Питання 1 з 8

Як ColBERT представляє запит або документ?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Як ColBERT представляє запит або документ?
    • Як єдиний усереднений вектор вкладення
    • Враховується лише необроблене ключове слово
    • Стільки ж векторів контекстного вбудовування на рівні маркерів
    • Як образ
  2. Як називається функція скорингу, яку використовує ColBERT?
    • MaxSim
    • Косинусний пул
    • Softmax крос-ентропія
    • Променевий пошук
  3. What query-time work does ColBERT avoid by precomputing document token vectors?
    • All query encoding and all index access
    • Every comparison between a query token and document token
    • The need to store document representations
    • Joint transformer encoding of every query-document pair, while query encoding and similarity search still run
  4. Що означає «пізня» у «пізній взаємодії»?
    • Модель навчається на запізнілому етапі розробки
    • Взаємодія між токенами запиту та документа відкладається на етап скорингу після незалежного кодування
    • Запити надходять пізно ввечері
    • Документи додаються після розгортання
  5. Яку проблему з одновекторним щільним пошуком вирішує ColBERT?
    • Він занадто повільний для індексації
    • Він не може працювати на графічних процесорах
    • Для кожного запиту потрібні позначені дані
    • Стиснення цілого фрагмента в один вектор втрачає дрібні деталі
  6. Що ColBERTv2 значно покращив порівняно з оригіналом?
    • Це позбулося будь-яких вставок
    • Він перейшов від BERT до системи, заснованої на правилах
    • Це додало залишкове стиснення, щоб значно зменшити розмір покажчика
    • Він усунув крок MaxSim
  7. A two-token ColBERT query has best document-token similarities of 0.8 and 0.3. What MaxSim score results?
    • 0.8, retaining only the single largest value across the whole query
    • 1.1, the sum of the two per-query-token maxima
    • 0.55, averaging instead of summing the maxima
    • 0.24, multiplying the two maxima
  8. Why can a ColBERT document index require more storage than a single-vector dense index?
    • It retains multiple token-level representations for each document
    • It never precomputes any document features
    • It must store all transformer gradients for each document
    • It removes every document token before indexing