Evaluación del módulo

1.

¿Qué operador de distancia de pgvector debe utilizar cuando las incrustaciones están normalizadas a longitud unitaria y desea medir la similitud semántica?

<=> (distancia de coseno)

<-> (Distancia L2)

<#> (producto interno negativo)

2.

Está creando una canalización RAG que necesita recuperar los fragmentos de documentos pertinentes rápidamente de una colección de 5 millones de incrustaciones. La colección recibe actualizaciones por lotes ocasionales, pero no hay inserciones en tiempo real. ¿Qué tipo de índice debe elegir?

IVFFlat con un número adecuado de listas

HNSW con un valor de ef_construction alto

Sin índice, utilizando un escaneo secuencial exacto

3.

Al crear un índice HNSW, ¿qué controla el parámetro m?

Número máximo de conexiones por nodo en el gráfico

Número de vecinos candidatos considerados durante la construcción del índice

Número de listas en las que se particionarán los vectores

4.

Debe actualizar las incrustaciones de 50.000 descripciones de productos después de cambiar a un nuevo modelo de incrustación. ¿Qué enfoque minimiza el impacto en las búsquedas simultáneas?

Agrupar las actualizaciones en transacciones de 1.000 a 5.000 filas cada una.

Actualizar todas las 50 000 filas en una sola transacción

Quitar el índice de vector existente antes de actualizar

5.

En una búsqueda híbrida que combina la similitud vectorial con la búsqueda de texto completo, ¿qué técnica ayuda a equilibrar las puntuaciones de relevancia de ambos métodos de búsqueda?

Uso de la fusión de rango recíproco (RRF) para combinar clasificaciones

Multiplicación de la distancia vectorial por la puntuación de relevancia del texto

Devolver siempre los resultados de la búsqueda vectorial primero

Comentarios