RAG · Orta
RAG Testi
Geri getirme hattının tasarımı, parçalama kararları, hibrit arama, erişim denetimi ve RAG ile fine-tuning ayrımını ölçen test.
- Soru
- 7
- Süre
- 12 dk
- Ölçülen beceri
- 4
- Seviye
- Orta
Kimler çözmeli?
Kurumsal belge üzerinde soru-cevap sistemi kuran veya kurmayı planlayan mühendisler ve ürün yöneticileri.
Ölçülen beceriler
- Retrieval
- Parçalama
- Mimari kararı
- Yetkilendirme
Testi çöz
Her cevaptan sonra doğru yanıt ve açıklaması gösterilir. Sonuçta beceri bazlı kırılım ve eksik alan önerisi alırsın.
7 soruluk testi çözmeye hazır mısın?
Her cevaptan sonra doğru yanıt ve açıklaması gösterilir. Sonuçta beceri bazlı kırılım ve eksik alanlar için öneri alırsın.
Bu test neyi ölçüyor?
Test sonrası ne bildiğini değil, hangi beceride eksik olduğunu görürsün.
- 01
Geri getirme kalitesini üretim kalitesinden ayırt etmek
- 02
RAG ile fine-tuning arasında doğru seçimi yapmak
- 03
Hibrit aramanın hangi durumda gerekli olduğunu bilmek
- 04
Erişim denetimini doğru katmanda kurmak
Sorular sayfada görünür
Eğitim içeriği JavaScript arkasına gizlenmez. Aşağıdaki üç örnek soru, doğru cevapları ve açıklamalarıyla birlikte taranabilir durumdadır.
- Soru 01rag_013Chunking · Orta · Retrieval
Bir RAG hattında cevaplar sürekli eksik bilgi içeriyorsa ilk bakılacak yer neresidir?
- AModelin sıcaklık değeri
- BGeri getirme adımının doğru parçaları bulup bulmadığı
- CSistem isteminin uzunluğu
- DÇıktı biçimlendirme şablonu
Açıklama
Üretim adımı yalnızca kendisine verilen bağlamı kullanabilir. Doğru parça getirilmediyse modelin yapabileceği bir şey yoktur; bu yüzden geri getirme kalitesi ayrı ölçülmelidir.
Retrieval-Augmented Generation girdisini oku - Soru 02rag_021Fine-tuning karşılaştırması · Orta · Mimari kararı
Sık değişen fiyat bilgisini modele taşımak için hangisi uygundur?
- AFine-tuning
- BRAG
- CNiceleme
- DDamıtma
Açıklama
Fine-tuning model parametrelerini değiştirir ve her güncellemede yeniden eğitim gerektirir. Sık değişen olgusal bilgi için geri getirme doğru araçtır.
Retrieval-Augmented Generation girdisini oku - Soru 03rag_034Hibrit arama · İleri · Retrieval
Kurumsal belge aramasında saf anlamsal arama neden tek başına yetersiz kalır?
- AVektör araması çok yavaştır
- BÜrün kodu gibi kesin eşleşmeleri kaçırabilir
- CMeta veri filtrelemeyi desteklemez
- DYalnızca İngilizce çalışır
Açıklama
Anlamsal arama yakın anlamı bulur ama birebir eşleşmesi gereken kodlarda zayıftır. Lexical katmanla birleştirilen hibrit arama bu açığı kapatır.
Vector Database girdisini oku
Skor nasıl okunur?
AI Curious
0–35
Kavramları duymuş, henüz haritası yok.
AI Explorer
36–60
Temelleri biliyor, uygulamada boşluklar var.
AI Practitioner
61–80
Uygulama kurabiliyor, değerlendirme eksik.
AI Builder
81–100
Üretim sistemi kurabiliyor ve ölçebiliyor.
Ölçmeye devam et
- RAGRAG Testi — Başlangıç6 soru · 8 dk
- RAGRAG Testi — İleri6 soru · 15 dk
- Akıl Yürütme ModelleriAkıl Yürütme Modelleri Testi — İleri6 soru · 15 dk
- Akıl Yürütme ModelleriAkıl Yürütme Modelleri Testi — Orta6 soru · 12 dk
- Bağlam MühendisliğiBağlam Mühendisliği Testi — İleri6 soru · 15 dk
- Bağlam MühendisliğiBağlam Mühendisliği Testi — Orta6 soru · 12 dk
LEARN
Eksik çıkan beceriyi kapat
Test sonucun beceri grafiğine işlenir; sistem hangi dersle devam etmen gerektiğini söyler.