Câu đố về quả thông

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

1. Pinecone chủ yếu lưu trữ và tìm kiếm những gì?
   • Các vectơ nhúng thể hiện ý nghĩa của dữ liệu
   • Bảng SQL thô của hàng và cột
   • Tổng hợp trọng số mô hình học máy
   • Mật khẩu người dùng được mã hóa
2. Tại sao Pinecone thường được ghép nối với các mô hình ngôn ngữ lớn?
   • Nó đào tạo mô hình ngôn ngữ từ đầu
   • Nó cung cấp bộ nhớ ngoài để mô hình có thể truy xuất các dữ kiện liên quan (RAG)
   • Nó nén mô hình để chạy trên điện thoại
   • Nó dịch đầu ra của mô hình sang các ngôn ngữ khác
3. How does Pinecone describe its serverless index algorithms?
   • It uses HNSW for every serverless index
   • Users must manually select one universal algorithm
   • It selects proprietary algorithms such as Ananas, PQFS, or IVF with PQFS by slab size
   • It searches only by exact string match
4. What architecture change does Pinecone highlight in its serverless database?
   • Every vector must be stored in one local in-memory graph
   • Each user must operate a separate physical database
   • Queries are answered without reading or scoring vectors
   • Storage and compute are decoupled so relevant index portions can be loaded for a query
5. Độ tương tự giữa hai vectơ thường được đo như thế nào?
   • Theo khoảng cách cosin hoặc tích số chấm
   • Theo kích thước tệp của họ tính bằng megabyte
   • Đến ngày chúng được tạo ra
   • Bằng cách đếm các từ khóa chính xác được chia sẻ
6. Pinecone phù hợp với nhiệm vụ nào?
   • Lưu trữ và hiển thị đồ họa trò chơi video 3D
   • Tìm tài liệu có ý nghĩa tương tự như truy vấn
   • Chạy công thức bảng tính
   • Biên dịch mã nguồn
7. What is a key step before using retrieved Pinecone matches in a generated answer?
   • Assume the nearest vector is always a correct source
   • Ignore metadata and access controls
   • Evaluate whether the retrieved records are relevant and current for the query
   • Treat retrieval as proof the model’s response is correct
8. What kinds of searchable data do current Pinecone serverless indexes support?
   • Only image files with no metadata
   • Only one fixed embedding model
   • Only SQL tables with no text fields
   • Depending on schema, dense vectors, sparse vectors, and full-text-search fields