引导式测验 · 中等 等级
GraphRAG 知识图测验
测试 GraphRAG 实体提取、图形社区、本地和全局查询、源验证以及社区报告背后的索引工作。
问题 1 的 8
GraphRAG 构建的哪些核心结构使其与标准 RAG 不同？
预览每个问题8 问题
当您参加测验时，就会出现答案和解释。
- GraphRAG 构建的哪些核心结构使其与标准 RAG 不同？
- 用户的关系 SQL 架构
- 像素神经网络
- 实体及其关系的知识图
- 停用词列表
- 是什么查询范围促使 Microsoft 的 2024 年 GraphRAG 工作产生社区报告？
- 仅更改句子拼写
- 跨文档的集合主题和摘要
- 仅测量视频文件的帧率
- 保证所有窄范围查询必须使用图遍历
- GraphRAG 通常使用什么算法将相关实体聚类成社区？
- 冒泡排序
- 梯度下降
- RSA加密
- 莱顿社区检测
- GraphRAG 的基于模型的提取阶段从源块中生成什么？
- 带描述的结构化实体和关系记录
- 仅可执行的操作系统映像
- 仅随机名称与源无关
- 仅音频波形无文本记录
- 已记录的 GraphRAG 本地和全局查询策略如何不同地使用上下文？
- 本地指Wi‑Fi，全球指卫星连接
- 本地搜索使用实体相关和源上下文；全球搜索聚合社区报告
- 本地仅适用于图像，全球排除所有文档
- 两种策略在生成前丢弃提取信息
- 哪个组织在 2024 年普及了 GraphRAG 方法？
- 一家 20 世纪 70 年代的电话公司
- 一家快餐连锁店
- Microsoft 研究
- 航空联盟
- 为什么重要的GraphRAG关系需要与其源文档核对？
- 提取模型可能出错，图边并不能独立确立关系的真实性
- 每个提取的边都自动成为已验证的事实
- 图存储取代了对源证据的需求
- 社区检测证明原始文档不可能错误
- 与仅准备文本块相比，GraphRAG索引可能需要哪些额外的前期工作？
- 无模型调用或任何派生记录
- 自动重新训练每个用户的语言模型
- 将每个源文档发布到社交媒体
- 基于模型的实体和关系提取以及社区报告生成