引導式測驗 · 中等 等級
透過多模型策略測驗避免人工智慧供應商鎖定
測試 LLM 鎖定的圖層、為什麼切換嵌入模型會強制重新索引,以及評估套件和金絲雀路由如何確保切換安全。
問題 1 的 8
為什麼切換到新的嵌入模型通常意味著重新嵌入整個語料庫?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 為什麼切換到新的嵌入模型通常意味著重新嵌入整個語料庫?
- 新模型拒絕讀取舊資料庫
- 向量資料庫在模型變更後刪除向量
- 來自不同嵌入模型的向量位於不同的空間,無法比較
- 嵌入在固定天數後過期
- 多模型策略中評估套件的主要目的是什麼?
- 在切換之前衡量候選模型是否符合實際任務的品質標準
- 從當前供應商獲得更低的價格
- 在發送提示之前對其進行加密
- 從頭開始訓練新模型
- 為什麼將每個模型放在一個統一的 API 後面並不能保證可移植性?
- 統一 API 僅適用於開源模型
- 統一API總是比直接呼叫慢
- 統一API不支援串流
- 針對一個模型的行為調整的提示通常在另一個模型上表現不同
- 將簡單的標記任務發送到小模型,將複雜的投訴發送到前沿模型是一個什麼例子?
- 微調
- 依難度安排任務以控製成本
- 零資料保留
- 重新嵌入
- 每個向量應該儲存什麼以使未來的重新索引變得簡單?
- 使用者的密碼
- 計費帳號
- 嵌入模型的名稱和版本,以及來源文字和分塊設置
- 僅向量維度
- 下列哪一個是平台功能鎖定的範例?
- 依賴提供者的託管對話線程和內建向量存儲
- 以 JSON 格式發送請求
- 使用 HTTPS 進行 API 呼叫
- 記錄響應延遲
- 託管提供者平台上的微調模型通常是怎麼樣的?
- 它們可以在任何地方下載和運行
- 他們自動與其他所有提供者合作
- 保留它們無需花費任何費用
- 它們通常無法匯出到其他提供者
- 採用新模型時金絲雀路由意味著什麼?
- 一夜之間一次切換所有流量
- 將一小部分流量發送到新模型並在擴大之前比較結果
- 僅使用合成數據進行測試
- 讓使用者手動選擇模型