گائیڈ سے منسلک کوئز · درمیانہ سطح
LlamaIndex کوئز
دریافت کریں کہ LlamaIndex کس طرح ڈیٹا کو پارس اور انڈیکس کرتا ہے، متعلقہ نوڈس کو بازیافت کرتا ہے، جوابات کی ترکیب کرتا ہے، اور بازیافت کے معیار کا جائزہ لیتا ہے۔
سوال 1 کی 8
LlamaIndex بنیادی طور پر کیا کرنے کے لیے ڈیزائن کیا گیا ہے؟
ہر سوال کا جائزہ لیں۔8 سوالات
جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔
- LlamaIndex بنیادی طور پر کیا کرنے کے لیے ڈیزائن کیا گیا ہے؟
- LLMs کو اپنے ڈیٹا سے جوڑیں تاکہ بازیافت میں اضافہ ہو سکے۔
- نئے فاؤنڈیشن ماڈلز کو تربیت دیں۔
- تصاویر اور ویڈیو بنائیں
- کلاؤڈ میں GPU کلسٹرز کا نظم کریں۔
- LlamaIndex کو شروع کرتے وقت اصل میں کیا کہا جاتا تھا؟
- ڈیٹا چین
- جی پی ٹی انڈیکس
- ویکٹر بیس
- LlamaHub
- ہر چیز کو صرف پرامپٹ میں چسپاں کرنے کے بجائے بازیافت کی ضرورت کیوں ہے؟
- ایل ایل ایم ٹیکسٹ فائلوں کو نہیں پڑھ سکتے ہیں۔
- ایمبیڈنگز کو ذخیرہ کرنا غیر قانونی ہے۔
- ماڈلز میں محدود سیاق و سباق کی ونڈوز ہیں اور نجی ڈیٹا کا کوئی علم نہیں ہے۔
- بازیافت ماڈلز کو تیز تر بناتی ہے۔
- LlamaIndex پائپ لائن میں، سیمنٹک سرچ کو فعال کرنے کے لیے دستاویز کے ہر حصے سے کیا بنایا جاتا ہے؟
- ایک کمپریسڈ زپ فائل
- ایس کیو ایل ٹیبل کی قطار
- ایک اسکرین شاٹ
- ایک ویکٹر ایمبیڈنگ
- LlamaParse کیا ہینڈل کرنے کے لیے بنایا گیا ہے؟
- ادخال کے لیے پیچیدہ پی ڈی ایفز، ٹیبلز اور دستاویزات کو پارس کرنا
- سورس کوڈ کو نحوی درختوں میں پارس کرنا
- آڈیو کو ٹرانسکرپٹس میں پارس کرنا
- نیٹ ورک پیکٹ کو پارس کرنا
- Where do LlamaIndex node postprocessors run in the documented query pipeline?
- Before documents are parsed or indexed
- After retrieval and before response synthesis
- Only after a final answer is returned
- Between model pretraining and tokenizer training
- What does LlamaIndex’s SubQuestionQueryEngine do with a complex multi-source question?
- Converts every document into a single unsearchable string
- Runs only a fixed keyword lookup with no query planning
- Creates subquestions for relevant data sources and synthesizes the intermediate responses
- Fine-tunes the language model on the documents
- In a LlamaIndex query pipeline, what is the response synthesizer responsible for?
- Choosing the original PDF files before ingestion
- Training the embedding model from scratch
- Replacing the retriever’s index with a file system
- Combining the query and retrieved Nodes to produce a response