引导式测验 · 硬 等级
HyDE 假设文档嵌入测验
回顾 HyDE 生成、对比文档嵌入、零样本检索、样本平均以及假设文本的限制作为证据。
问题 1 的 8
HyDE 在执行检索之前会生成什么？
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。
- HyDE 在执行检索之前会生成什么？
- SQL 查询
- 仅同义词列表
- 查询的压缩图像
- 可以回答查询的假设文档
- 当 HyDE 的假设文档包含虚构细节时，编码器瓶颈的预期作用是什么？
- 保留有用的检索模式，同时减少一些不相关的细节，但不保证错误消除
- 证明每个生成的句子实际上是正确的
- 在编码前手动修复每个捏造的声明
- 使捏造的细节无法影响任何搜索结果
- HyDE 的一个主要实际优势是它的工作原理：
- 仅包含数百万个带标签的示例
- 仅适用于英文文本
- 零样本，无标记相关性训练数据
- 仅用于图片搜索
- 原始 HyDE 中使用哪种类型的嵌入模型来对假设文档进行编码？
- 监督查询分类器
- 无监督对比编码器，例如 Contriever
- 基于规则的关键词提取器
- 卷积图像网络
- HyDE 旨在解决密集检索中的哪些核心问题？
- 简短的查询和较长的答案段落通常位于嵌入空间的不同区域
- 文档太短，无法建立索引
- 倒排索引太慢
- 嵌入不能存储在磁盘上
- HyDE 变体如何将几个生成的假设文档组合成一个搜索表示？
- 声明所有生成的声明都是经过验证的事实
- 删除编码器并仅按文件大小搜索
- 要求每个生成的文档都是真实的语料库段落
- 在搜索真实语料库之前对它们的编码向量进行平均
- HyDE 检索后哪些文本应支持事实答案？
- 生成的假设文档，因为生成验证了它
- 已检查的相关真实来源段落，而不是单独的假设文档
- 仅最近向量的数字坐标
- 任何发明的细节都会被多个生成的样本重复
- 与直接嵌入用户的查询相比，HyDE 会带来哪些额外的检索成本？
- 每个查询的强制相关性标签集合
- 要求为每次搜索重新训练 Contriever
- 生成一个或多个假设文档的延迟和计算
- 消除所有编码器和索引计算