Вікторина, пов’язана з посібником · Середній Рівень

Тест максимальної граничної релевантності

Перевірте оцінку релевантності та різноманітності MMR, жадібний вибір, кешовані резервні оновлення та обмеження, накладені початковим набором кандидатів на пошук.

Пов'язані напрямні шляхиМаксимальна гранична релевантність
Питання 1 з 8

Яку основну проблему покликаний вирішити MMR?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Яку основну проблему покликаний вирішити MMR?
    • Повільна затримка запитів у великих базах даних
    • Некоректне написання в запитах користувачів
    • Надлишкові, майже повторювані результати від чистого рейтингу релевантності
    • Відсутність навчальних даних для вбудовування
  2. У формулі MMR, що підкреслює значення лямбда, близьке до 1?
    • Чиста релевантність запиту
    • Максимальна різноманітність результатів
    • Рівна вага всіх кандидатів
    • Випадковий вибір
  3. Як MMR відбирає результати?
    • Все відразу, сортуючи один бал
    • Випадково з фіксованим насінням
    • За алфавітним порядком документів
    • Жадібно, по одному, порівнюючи з уже вибраними предметами
  4. How can an embedding-based MMR implementation measure query relevance and document redundancy?
    • Using only a document's filename length
    • Using a similarity measure such as cosine, without MMR requiring that one measure universally
    • Using a mandatory audio-transcription score for all text
    • Using no relevance or inter-document comparison at all
  5. Чому MMR особливо корисний у пошуково-доповненій генерації (RAG)?
    • Він надає додаткові, незайві фрагменти доказів
    • Він стискає ваги моделі
    • Він автоматично налаштовує мовну модель
    • Він шифрує отримані документи
  6. If MMR caches each candidate's maximum redundancy and updates it against each new selection, roughly how many similarities are needed for k picks from n candidates?
    • Always constant time independent of k and n
    • Exactly n factorial for every implementation
    • About k times n, ignoring vector dimension and initial setup
    • No document comparisons after the first query score
  7. With lambda equal to 0.5, relevance 0.8, and maximum selected-item similarity 0.9, what is a candidate's MMR scoring term?
    • 0.85, from averaging the two similarities
    • Minus 0.05, from 0.5 times 0.8 minus 0.5 times 0.9
    • 0.72, from multiplying relevance and redundancy
    • 1.7, from adding the two similarities
  8. Can an MMR reranker select a relevant document that the upstream retrieval candidate pool omitted?
    • Yes; diversity scoring invents missing source documents
    • Yes; a lower lambda automatically searches the whole corpus
    • Yes; reranking changes the document's original publication date
    • No; it chooses among the supplied candidates unless the upstream pool is expanded