모듈 평가

1.

RAG(검색 보강 세대)의 주요 목적은 무엇인가요?

원본 정보가 변경 될 때마다 언어 모델을 다시 학습 하려면.

생성된 응답이 데이터 원본에서 검색된 관련 정보를 기반으로 하도록.

언어 모델을 검색 엔진으로 바꾸려면

2.

대용량 문서가 인덱싱되기 전에 일반적으로 청크로 나뉘는 이유는 무엇인가요?

따라서 솔루션은 프롬프트에 효율적으로 맞는 포커스가 있는 구절을 검색할 수 있습니다.

따라서 모든 청크를 사용하여 별도의 언어 모델을 학습할 수 있습니다.

따라서 원본 문서를 더 이상 저장할 필요가 없습니다.

3.

RAG 솔루션에서 임베딩은 무엇을 의미하나요?

콘텐츠의 의미 체계 특성을 캡처하는 숫자 벡터입니다.

모델의 동작을 정의하는 명령 집합입니다.

사용자에 대해 생성된 최종 답변입니다.

4.

쿼리에서 '출장 비용'에 대해 묻을 때 단어가 다르더라도 '회사 출장 비용'에 대한 구절을 찾을 수 있는 검색 방법은 무엇입니까?

의미 체계 벡터 검색입니다.

정확한 파일 이름 일치입니다.

임의 문서 선택.

5.

RAG 응답은 유창하지만 잘못된 정책 제한을 포함합니다. 먼저 무엇을 검사해야 하나요?

정확하고 최신의 정책 문구가 검색되어 컨텍스트로 제공되었는지 여부입니다.

언어 모델이 더 긴 응답을 생성할 수 있는지 여부입니다.

관련 없는 문서를 프롬프트에 추가할 수 있는지 여부입니다.

피드백