【阿里云大模型高级工程师ACP习题集】2.2 扩展答疑机器人的知识范围

练习题

1. 【单选题】在RAG应用的建立索引过程中，文本向量化的主要目的是（ ）。
   A. 将文本转换为计算机能理解的数字形式，便于比较相似度
   B. 对文本进行分类
   C. 去除文本中的噪声数据
   D. 提取文本中的关键词

2. 【多选题】以下属于RAG应用中建立索引步骤的有（ ）。
   A. 文档解析
   B. 文本分段
   C. 模型训练
   D. 存储索引

3. 【单选题】在使用LlamaIndex创建RAG应用时，SimpleDirectoryReader('./docs').load_data()函数的作用是（ ）。
   A. 从指定目录读取文件并解析为document对象
   B. 从网络加载数据
   C. 创建索引
   D. 设置提问引擎

4. 【多选题】在RAG应用的检索生成阶段，为提高检索准确性，可以采取的方法有（ ）。
   A. 使用性能强大的embedding模型
   B. 做重排（rerank）
   C. 句子窗口检索
   D. 增加大模型的训练数据

5. 【单选题】在RAG应用中，存储索引的主要作用是（ ）。
   A. 增加响应速度，避免重复建立索引步骤
   B. 备份数据
   C. 便于对数据进行分类管理
   D. 提高大模型的理解能力

6. 【多选题】关于RAG应用中的多轮对话，以下说法正确的有（ ）。
   A. 与直接向大模型发起多轮对话机制相同
   B. 直接将用户输入与文本段进行相似度比较可能会丢失历史对话信息
   C. 业界常用方法是通过大模型基于历史对话信息改写用户问题
   D. LlamaIndex无法实现RAG应用的多轮对话

7. 【单选题】在使用LlamaIndex创建RAG应用时，VectorStoreIndex.from_documents函数内部不包含以下哪个操作（ ）。
   A. 文本分段
   B. 建立索引
   C. 文本向量化
   D. 文档解析

8. 【多选题】在创建RAG应用时，以下哪些是需要配置的关键参数（ ）。
   A. API Key
   B. embedding模型
   C. 文本生成模型
   D. 数据库连接字符串

9. 【单选题】在RAG应用中，Ope