Bài kiểm tra nhúng

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

1. What is an embedding in the numerical representation sense used here?
   • A dictionary definition that must be stored verbatim
   • A required compression format for image files
   • A vector representing an item for a model or comparison task
   • An exact database row identifier only
2. What can closeness in a trained semantic embedding space indicate?
   • Similarity learned under that model’s objective
   • A guarantee that two statements are equally true
   • An identical byte sequence in every case
   • A universal relation independent of training
3. Số liệu nào thường được sử dụng để so sánh hai phần nhúng?
   • Sự khác biệt về kích thước tập tin
   • Thứ tự bảng chữ cái
   • Đếm từ
   • Độ tương tự cosin
4. What tradeoff can an approximate embedding index such as HNSW introduce?
   • A guarantee of complete exact retrieval in every configuration
   • Faster search with possible missed exact nearest neighbors
   • A required change of every vector to a word definition
   • Automatic removal of all training-data bias
5. Ví dụ cổ điển về 'vua - đàn ông + phụ nữ ≈ nữ hoàng' chứng minh điều gì về các phần nhúng?
   • Họ có thể nắm bắt các mối quan hệ thông qua số học vector
   • Họ lưu trữ định nghĩa chính xác của từ
   • Họ chỉ làm việc vì các điều khoản tiền bản quyền
   • Chúng ngẫu nhiên và vô nghĩa
6. Rủi ro thực sự khi sử dụng phần nhúng là gì?
   • Chúng không thể được lưu trữ trong cơ sở dữ liệu
   • Họ chỉ làm việc bằng tiếng Anh
   • Họ có thể kế thừa và phản ánh những thành kiến ​​có trong dữ liệu đào tạo của họ
   • Họ thực hiện tất cả các tìm kiếm chỉ khớp chính xác
7. Two unit-length embedding vectors have dot product 0.8. What is their squared Euclidean distance?
   • 0.2
   • 0.4
   • 0.8
   • 1.6
8. When does an inner-product score equal cosine similarity for two nonzero embedding vectors?
   • Whenever their dimensions are equal
   • Whenever they came from two unrelated model families
   • Only when their coordinates are all zero
   • When both vectors have been normalized to unit length