Вікторина, пов’язана з посібником · Середній Рівень

Вікторина «Пошук щільного проходу».

Перевірте кодери запитів і проходів DPR, оцінку скалярного добутку, негативи в партії та BM25, а також необхідність оновлення індексу при зміні вбудовування.

Пов'язані напрямні шляхиПошук щільного проходу
Питання 1 з 8

Як щільний пошук уривків визначає, які уривки відповідають запиту?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Як щільний пошук уривків визначає, які уривки відповідають запиту?
    • Порівняння щільних векторних представлень запитів і проходів за подібністю
    • Підрахунок кількості слів запиту в кожному документі
    • Переклад запиту в SQL перед пошуком
    • Ранжування документів суто за датою їх публікації
  2. DPR використовує архітектуру «бі-кодування». Що це означає?
    • Він двічі кодує текст і усереднює результати
    • Він працює лише з двомовними документами
    • Він кодує і символи, і слова одночасно
    • Він використовує два окремих кодери, один для запитів, а інший для проходів
  3. Чому вектори проходу можна обчислити заздалегідь у DPR?
    • Тому що уривки ніколи не змінюються після написання
    • Оскільки кодувальник запитів вимкнено під час пошуку
    • Оскільки кожен уривок кодується незалежно від будь-якого запиту
    • Оскільки уривки зберігаються лише як необроблений текст
  4. Який навчальний трюк дозволяє ДНР дешево генерувати багато негативних прикладів?
    • Випадкове перегортання етикетки
    • Пакетні негативи з використанням інших уривків у тій же партії
    • Випадання половини нейронів
    • Позначення вручну кожного неправильного фрагмента
  5. For what vocabulary mismatch can learned DPR representations be useful compared with lexical matching alone?
    • The passage is unrelated but repeats the query's terms
    • Every query contains only an exact serial number
    • The encoder is guaranteed to retrieve the right answer for all inputs
    • A relevant passage expresses a query's idea using different words
  6. Який інструмент зазвичай використовується для швидкого масштабного пошуку найближчих сусідів ДНР?
    • Приблизний індекс найближчого сусіда, наприклад FAISS
    • Сортування електронної таблиці
    • Механізм регулярних виразів
    • Приєднання до реляційної бази даних
  7. Why can BM25-retrieved nonanswer passages be useful hard negatives when training DPR?
    • They guarantee that every retrieved passage is irrelevant
    • Their lexical overlap can make them challenging distractors that the retriever must distinguish from the answer passage
    • They remove the need for a positive answer passage
    • They force the passage encoder to count words without learning
  8. After changing DPR's passage encoder, what should happen to a stored passage-vector index?
    • Keep the old embeddings because encoder weights cannot affect vectors
    • Rename the index without recalculating any representation
    • Recompute the passage embeddings with the intended compatible encoder and update the index
    • Disable the query encoder and search raw filenames instead