모듈 평가

1.

길이가 단위로 정규화된 임베딩에서 의미 유사성을 측정하고자 할 때 어떤 pgvector 거리 연산자를 사용해야 하나요?

<=> (코사인 거리)

<-> (L2 거리)

<#> (음의 내부 제품)

2.

5백만 개의 임베딩 컬렉션에서 관련 문서 청크를 신속하게 검색해야 하는 RAG 파이프라인을 구축하고 있습니다. 컬렉션은 가끔 일괄 업데이트를 수신하지만 실시간 삽입은 수신하지 않습니다. 어떤 인덱스 유형을 선택해야 하나요?

적절한 수의 목록을 가진 IVFFlat

ef_construction 값이 높은 HNSW

정확한 순차 검사에 의존하는 인덱스 없음

3.

HNSW 인덱스를 만들 때 매개 변수는 m 무엇을 제어하나요?

그래프의 노드당 최대 연결 수

인덱스 생성 중에 고려된 후보 인접 항목의 수

벡터를 분할할 목록 수

4.

새 임베딩 모델로 전환한 후 50,000개의 제품 설명에 대한 임베딩을 업데이트해야 합니다. 동시 검색에 미치는 영향을 최소화하는 방법은 무엇인가요?

업데이트를 각각 1,000-5,000개 행의 트랜잭션으로 일괄 처리

단일 트랜잭션에서 50,000개 행 모두 업데이트

업데이트하기 전에 기존 벡터 인덱스 삭제

5.

벡터 유사성과 전체 텍스트 검색을 결합한 하이브리드 검색에서 두 검색 방법 모두에서 관련성 점수의 균형을 맞추는 데 도움이 되는 기술은 무엇인가요?

RRF(상호 순위 퓨전)를 사용하여 순위 결합

벡터 거리와 텍스트 관련성 점수 곱하기

항상 먼저 벡터 검색 결과 반환

피드백