Câu đố tìm kiếm kết hợp

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

1. Tìm kiếm kết hợp thường kết hợp hai phương pháp truy xuất nào?
   • Tìm kiếm từ khóa thưa thớt (ví dụ: BM25) và tìm kiếm vectơ dày đặc
   • Hai mô hình ngôn ngữ lớn khác nhau bỏ phiếu cho câu trả lời
   • Chỉ truy vấn SQL và chỉ mục toàn văn bản
   • Tìm kiếm hình ảnh và tìm kiếm âm thanh
2. Tại sao Reciprocal Rank Fusion (RRF) thường được sử dụng để hợp nhất các kết quả?
   • Nó đào tạo một mạng lưới thần kinh mới cho mỗi truy vấn
   • Nó kết hợp các tài liệu theo vị trí xếp hạng thay vì điểm thô, tránh sự không khớp về tỷ lệ
   • Nó xóa mọi tài liệu xuất hiện trong cả hai danh sách
   • Nó chỉ giữ kết quả hàng đầu duy nhất từ ​​mỗi người truy tìm
3. Kịch bản nào ủng hộ thành phần (từ khóa) thưa thớt của tìm kiếm kết hợp?
   • Tìm tài liệu diễn giải truy vấn bằng các từ khác nhau
   • Hiểu được giọng điệu cảm xúc của câu
   • Khớp số bộ phận hoặc mã lỗi chính xác phải xuất hiện theo đúng nghĩa đen
   • Dịch truy vấn sang ngôn ngữ khác
4. Điểm yếu chính của việc chỉ sử dụng tìm kiếm vectơ dày đặc là gì?
   • Nó không thể hiểu các từ đồng nghĩa hoặc diễn giải
   • Nó chỉ hoạt động trên hình ảnh
   • Nó không yêu cầu nhúng gì cả
   • Nó có thể bỏ lỡ các mã thông báo hiếm chính xác như mã hoặc họ cụ thể
5. Mô hình thưa thớt đã học như SPLADE làm gì?
   • Nó tạo ra các trọng số thuật ngữ có thể hiểu được bằng cách sử dụng mạng lưới thần kinh, kết hợp các ý tưởng thưa thớt và dày đặc
   • Nó xóa tất cả kết hợp từ khóa khỏi tìm kiếm
   • Nó chỉ lưu trữ hình ảnh dưới dạng vectơ
   • Nó thay thế nhu cầu truy xuất
6. What can combining lexical and dense retrieval provide to a RAG system?
   • A guarantee that every generated statement is true
   • Potentially more varied candidate evidence, subject to evaluation of retrieval and answer quality
   • A replacement for grounding sources
   • An automatic legal review of generated answers
7. What tradeoff did BEIR report for reranking and late-interaction methods on average?
   • They always ran faster and used less compute than BM25
   • They made retrieval independent of the corpus
   • They often achieved stronger zero-shot performance but at higher computational cost
   • They guaranteed a correct generated answer
8. What did the BEIR benchmark conclude about BM25 in zero-shot retrieval?
   • It always beats every neural retriever
   • It cannot retrieve exact terms
   • It is a dense-vector model
   • It remains a robust baseline across diverse datasets