Вікторина, пов’язана з посібником · Середній Рівень

Вікторина GraphRAG Knowledge Graphs

Перевірте вилучення сутностей GraphRAG, спільноти графів, локальні та глобальні запити, перевірку джерела та роботу індексування за звітами спільнот.

Пов'язані напрямні шляхиGraphrag Графи знань
Питання 1 з 8

Яку структуру ядра GraphRAG відрізняє від стандартної RAG?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Яку структуру ядра GraphRAG відрізняє від стандартної RAG?
    • Реляційна SQL-схема користувачів
    • Нейронна мережа пікселів
    • Граф знань про сутності та їхні зв’язки
    • Список стоп-слів
  2. What query scope motivated community reports in Microsoft's 2024 GraphRAG work?
    • Only changing a sentence's spelling
    • Collection-wide themes and summaries whose evidence spans many documents
    • Only measuring a video file's frame rate
    • A guarantee that all narrow lookups must use graph traversal
  3. Який алгоритм зазвичай використовує GraphRAG для об’єднання пов’язаних об’єктів у спільноти?
    • Бульбашкове сортування
    • Градієнтний спуск
    • Шифрування RSA
    • Виявлення спільноти Лейден
  4. What does GraphRAG's model-based extraction stage produce from source chunks?
    • Structured entity and relationship records with descriptions
    • Only an executable operating-system image
    • Only random names unrelated to the source
    • Only audio waveforms with no text records
  5. How do documented GraphRAG local and global query strategies use context differently?
    • Local means Wi-Fi and global means satellite connectivity
    • Local search uses entity-related and source context; global search aggregates community reports
    • Local works only with images while global excludes all documents
    • Both strategies discard extracted information before generation
  6. Яка організація популяризувала підхід GraphRAG у 2024 році?
    • Телефонна компанія 1970-х років
    • Мережа закладів швидкого харчування
    • Microsoft Дослідження
    • Альянс авіакомпаній
  7. Why should an important GraphRAG relationship be checked against its source documents?
    • The extraction model can make errors, and a graph edge does not independently establish the relationship's truth
    • Every extracted edge is automatically a verified fact
    • Graph storage replaces the need for source evidence
    • Community detection proves the original documents cannot be wrong
  8. What additional upfront work can GraphRAG indexing require compared with simply preparing text chunks?
    • No model calls or derived records of any kind
    • Automatic retraining of every user's language model
    • Publishing every source document to social media
    • Model-based entity and relationship extraction and generation of community reports