引導式測驗 · 中等 等級

修正 RAG (CRAG) 測驗

測試修正 RAG:檢索評估器、正確、不正確和模糊操作、知識細化和網路搜尋回退權衡。

相關引導路徑矯正性RAG
問題 1 的 8

CRAG 解決了標準 RAG 的哪些核心弱點?

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。

  1. CRAG 解決了標準 RAG 的哪些核心弱點?
    • 生成器信任檢索器傳回的任何內容
    • 嵌入太小
    • 模型無法讀取長文檔
    • 向量資料庫太慢
  2. 在最初的 CRAG 論文中,什麼樣的模型充當檢索評估器?
    • 大型 GPT 式發電機
    • 經過微調的 T5 大型號
    • BM25指數
    • 人類審稿人
  3. 當所有檢索到的文檔得分較低時,CRAG 會做什麼?
    • 無論如何,從文件中得到答案
    • 向使用者傳回錯誤
    • 丟棄它們,重寫查詢並使用網路搜索
    • 從相同索引檢索到的文件數量加倍
  4. 分解然後重組步驟的目的是什麼?
    • 將文件翻譯成另一種語言
    • 壓縮嵌入
    • 按受歡迎程度對網頁進行排名
    • 將文件拆分為條帶並僅保留相關部分
  5. 當評估者不確定相關性時,CRAG 會採取什麼行動?
    • 模糊性:將精煉的內在知識與網路結果結合
    • 正確:僅使用內部文檔
    • 錯誤:僅使用網路結果
    • 停下來並要求用戶重新措辭
  6. 根據指南,關於 CRAG 的哪種說法是錯誤的?
    • 它增加了成本和延遲
    • 它可以包裝其他 RAG 方法
    • CRAG驗證最終答案是否正確
    • 它可以使用網路搜尋作為後備
  7. 設定非常嚴格的相關性閾值有何權衡?
    • 薄弱的文件更容易被漏掉
    • 回退經常觸發,增加網路呼叫和延遲
    • 系統停止使用評估器
    • 答案變得更短
  8. 為什麼要記錄每個查詢所採取的路徑(正確、模糊、不正確)?
    • CRAG 許可證要求
    • 它自動訓練嵌入模型
    • 它消除了對閾值的需要
    • 它揭示了知識庫中值得修復的覆蓋範圍差距