ChromaDB

¿Qué es un embedding en el contexto de procesamiento de lenguaje natural?

• Una imagen comprimida

• Una cadena de texto traducida

• Una representación numérica (vector) del significado de un texto

• Un resumen del texto original

¿Qué almacena una base de datos vectorial como ChromaDB?

• Tablas relacionales con claves foráneas

• Datos tabulares y esquemáticos

• Vectores de alta dimensión asociados a datos o documentos

• Archivos binarios codificados

¿Cuál es el propósito de calcular la similitud entre vectores en una búsqueda semántica?

• Comprimir los datos

• Determinar el tamaño del vector

• Encontrar textos con significados similares

• Traducir los textos a otro idioma

¿Cuál de los siguientes modelos es más adecuado para tareas de detección de similitud semántica?

• GPT-2

• all-MiniLM-L6-v2

• ResNet50

• YOLOv8

¿Qué hace el método .query() en ChromaDB?

• Elimina documentos

• Devuelve los documentos más similares al embedding de una consulta

• Cambia el modelo de embeddings

• Descarga nuevos vectores de Internet

¿Qué significa RAG en el contexto de los LLMs?

• Regularization Against Gradients

• Recurrent Attention Generation

• Retrieval-Augmented Generation

• Randomized Attention Generator

¿Cuál es el rol principal de un LLM como GPT en un sistema RAG?

• Almacenar documentos

• Calcular embeddings

• Generar texto usando información recuperada desde una base de datos externa

• Convertir imágenes en texto

¿Qué métrica se usa comúnmente para comparar vectores de texto?

• Precisión

• F1-score

• Similitud coseno (cosine similarity)

• Tiempo de ejecución

¿Cuál de las siguientes afirmaciones es verdadera sobre los embeddings y la búsqueda semántica?

• Dos frases con significado similar siempre tienen diferentes vectores

• Dos frases con significado similar tendrán vectores cercanos en el espacio vectorial

• Los embeddings no sirven para agrupar textos por tema

• Los vectores no se pueden actualizar una vez almacenados

¿Qué es la búsqueda vectorial (vector search)?

• Buscar por palabra clave exacta

• Buscar por fecha de creación del documento

• Buscar por coincidencia fonética

• Buscar por similitud en el espacio de vectores