LLM 엔지니어링7장 · 자체 임베딩과 벡터DB, 검색 품질22 / 22← 이전목차다음 →MetaContents

7장. 자체 임베딩과 벡터DB, 검색 품질

확인문제와 해답

객관식

Q1임베딩에 대한 설명으로 알맞은 것은 무엇일까요?

Q2multilingual-e5 모델로 검색할 때 질문 앞에 붙이는 말은 무엇일까요?

Q3벡터DB 의 인덱스 가운데, 질문을 모든 벡터와 견주어 늘 정확하지만 벡터가 많으면 느린 것은 무엇일까요?

Q4FAISS 와 견준 Chroma 의 특징으로 알맞은 것은 무엇일까요?

Q5질문 네 개의 정답 순위가 1등, 2등, 1등, 못 찾음일 때 MRR 은 얼마일까요?

Q6크로스 인코더 재정렬에 대한 설명으로 알맞지 않은 것은 무엇일까요?

Q7조각을 너무 크게(주제 여러 개가 섞이게) 나누면 의미 검색에서 생기기 쉬운 일은 무엇일까요?

단답형

  1. 키워드 검색과 의미 검색의 점수를 섞어 찾는 검색을 무엇이라고 합니까?
    정답 보기
    하이브리드 검색
  2. 정답이 1등이면 1, 2등이면 1/2 처럼 정답 순위의 역수를 평균한 검색 지표를 무엇이라고 합니까?
    정답 보기
    MRR
  3. 조각에 붙여 두고 검색할 때 거르는 데 쓰는 제목, 장, 날짜 같은 정보를 무엇이라고 합니까?
    정답 보기
    메타데이터

정답

정답 전체 보기

객관식: 1-B, 2-C, 3-A, 4-D, 5-A, 6-B, 7-C

단답형: 1. 하이브리드 검색. 2. MRR. 3. 메타데이터.

← 이전 절7장 · 정리다음 →8장 · 먼저 큰 그림부터