Quiz: Estrategias de recuperación
Ponga a prueba sus conocimientos sobre estrategias de recuperación, búsqueda híbrida y reranking.
30 preguntas - Haga clic en cada pregunta para revelar la respuesta correcta.
Pregunta 1
¿Cuál es el propósito principal de la búsqueda por similitud en RAG?
a) Generar texto
b) Encontrar documentos con representaciones vectoriales similares
c) Entrenar modelos
d) Comprimir datos
Mostrar respuesta
Respuesta correcta: b
La búsqueda por similitud encuentra los documentos cuyas representaciones vectoriales están más cercanas al vector de la consulta.
Pregunta 2
¿Cuál es el rango de la similitud coseno?
a) 0 a 1
b) -1 a 1
c) 0 a infinito
d) -infinito a infinito
Mostrar respuesta
Respuesta correcta: b
La similitud coseno va de -1 (opuesto) a 1 (idéntico).
Pregunta 3
¿Qué significa "recuperación top-k"?
a) Recuperar todos los documentos
b) Recuperar los k documentos más similares
c) Recuperar k documentos aleatorios
d) Recuperar los k documentos más antiguos
Mostrar respuesta
Respuesta correcta: b
La recuperación top-k devuelve los k documentos con los puntajes de similitud más altos respecto a la consulta.
Pregunta 4
¿Qué significa MMR?
a) Maximum Match Ratio
b) Maximum Marginal Relevance
c) Minimum Match Retrieval
d) Multiple Match Results
Mostrar respuesta
Respuesta correcta: b
MMR significa Maximum Marginal Relevance, que equilibra la relevancia con la diversidad.
Pregunta 5
¿Cuál es la principal ventaja de la búsqueda híbrida?
a) Más rápida que cualquiera de los métodos por separado
b) Combina la precisión de palabras clave con la comprensión semántica
c) Usa menos memoria
d) No requiere configuración
Mostrar respuesta
Respuesta correcta: b
La búsqueda híbrida combina la coincidencia de palabras clave BM25 con la búsqueda semántica vectorial para mejores resultados generales.
Pregunta 6
¿Qué es BM25?
a) Una red neuronal
b) Un algoritmo de ranking basado en palabras clave
c) Una base de datos vectorial
d) Un modelo de embedding
Mostrar respuesta
Respuesta correcta: b
BM25 (Best Match 25) es un algoritmo clásico de ranking basado en palabras clave utilizado en motores de búsqueda.
Pregunta 7
¿Qué es Reciprocal Rank Fusion (RRF)?
a) Un tipo de embedding
b) Un método para combinar múltiples rankings
c) Una base de datos
d) Una técnica de LLM
Mostrar respuesta
Respuesta correcta: b
RRF es una técnica para combinar rankings de múltiples métodos de recuperación en un solo ranking.
Pregunta 8
¿Qué es el reranking en la recuperación?
a) Recuperación inicial de documentos
b) Recalificar los documentos recuperados con un modelo más potente
c) Eliminar resultados duplicados
d) Ordenar alfabéticamente
Mostrar respuesta
Respuesta correcta: b
El reranking utiliza un modelo más potente para recalificar los resultados iniciales de la recuperación y así mejorar la calidad.
Pregunta 9
¿Qué es un cross-encoder?
a) Un modelo que codifica documentos por separado
b) Un modelo que puntúa pares consulta-documento juntos
c) Un método de encriptación
d) Un tipo de base de datos
Mostrar respuesta
Respuesta correcta: b
Los cross-encoders procesan la consulta y el documento juntos para producir un puntaje de relevancia.
Pregunta 10
¿Por qué el reranking normalmente se realiza sobre un subconjunto de resultados?
a) Porque es más preciso
b) Porque los cross-encoders son más lentos que los bi-encoders
c) Porque mejora la diversidad
d) Porque las bases de datos lo requieren
Mostrar respuesta
Respuesta correcta: b
Los cross-encoders son computacionalmente costosos, por lo que el reranking se aplica solo a los principales candidatos.
Pregunta 11
¿Qué es el parámetro lambda_mult en MMR?
a) Tasa de aprendizaje
b) Compensación entre relevancia y diversidad
c) Número de resultados
d) Umbral de similitud
Mostrar respuesta
Respuesta correcta: b
lambda_mult (0-1) controla el equilibrio: 1 = relevancia pura, 0 = máxima diversidad.
Pregunta 12
¿Cuándo es mejor la búsqueda por palabras clave que la búsqueda semántica?
a) Siempre
b) Para coincidencia exacta de términos y palabras poco frecuentes
c) Nunca
d) Para consultas conceptuales
Mostrar respuesta
Respuesta correcta: b
La búsqueda por palabras clave es excelente para encontrar términos exactos, nombres propios y vocabulario especializado poco frecuente.
Pregunta 13
¿Qué hace score_threshold en la recuperación?
a) Establece el máximo de resultados
b) Filtra resultados por debajo de un puntaje mínimo de similitud
c) Ordena resultados
d) Comprime vectores
Mostrar respuesta
Respuesta correcta: b
score_threshold filtra los resultados con puntajes de similitud por debajo del umbral especificado.
Pregunta 14
¿Qué es el filtrado pre-retrieval?
a) Filtrar después de obtener todos los resultados
b) Filtrar documentos antes de la búsqueda por similitud
c) Filtrar la consulta
d) Sin filtrado
Mostrar respuesta
Respuesta correcta: b
El filtrado pre-retrieval aplica filtros de metadatos antes de la búsqueda por similitud, haciéndola más eficiente.
Pregunta 15
¿Qué empresa ofrece la API de Rerank?
a) OpenAI
b) Cohere
c) Google
d) Microsoft
Mostrar respuesta
Respuesta correcta: b
Cohere ofrece una API de Rerank lista para producción para el reranking de documentos.
Pregunta 16
¿Qué es fetch_k en MMR?
a) Número final de resultados
b) Número de candidatos a considerar antes del filtrado por diversidad
c) Tamaño de lote
d) Tiempo de espera
Mostrar respuesta
Respuesta correcta: b
fetch_k es el número de candidatos iniciales recuperados antes de que MMR aplique la selección por diversidad.
Pregunta 17
¿Cuál es el flujo de trabajo típico de reranking?
a) Rerank → Recuperar → Devolver
b) Recuperar muchos → Rerank → Devolver los k principales
c) Devolver → Rerank → Recuperar
d) Reranking directo sin recuperación
Mostrar respuesta
Respuesta correcta: b
Primero se recuperan muchos candidatos (50+), luego se realiza el reranking y finalmente se devuelven los k mejores resultados rerankeados.
Pregunta 18
¿Qué métrica mide la distancia euclidiana?
a) Ángulo entre vectores
b) Distancia en línea recta entre vectores
c) Producto punto
d) Coseno del ángulo
Mostrar respuesta
Respuesta correcta: b
La distancia euclidiana mide la distancia en línea recta entre dos puntos en el espacio vectorial.
Pregunta 19
¿Qué es el EnsembleRetriever en LangChain?
a) Un solo recuperador
b) Un recuperador que combina múltiples recuperadores con pesos
c) Un reranker
d) Un modelo de embedding
Mostrar respuesta
Respuesta correcta: b
EnsembleRetriever combina múltiples recuperadores (por ejemplo, BM25 + vector) con pesos configurables.
Pregunta 20
¿Por qué la búsqueda semántica puede omitir documentos relevantes?
a) Es demasiado lenta
b) Puede omitir términos exactos o vocabulario poco frecuente
c) Devuelve demasiados resultados
d) Requiere más memoria
Mostrar respuesta
Respuesta correcta: b
La búsqueda semántica se centra en el significado y puede omitir coincidencias exactas de palabras clave o términos especializados poco frecuentes.
Pregunta 21
¿Qué es el parámetro k en la fórmula RRF?
a) Número de resultados
b) Constante para evitar que los altos rankings dominen
c) Umbral de similitud
d) Tamaño de lote
Mostrar respuesta
Respuesta correcta: b
La constante k (típicamente 60) evita que los documentos altamente rankeados en una lista dominen la fusión.
Pregunta 22
¿Qué es el filtrado post-retrieval?
a) Filtrar antes de la búsqueda
b) Filtrar resultados después de la recuperación según criterios
c) Sin filtrado
d) Filtrado de la consulta
Mostrar respuesta
Respuesta correcta: b
El filtrado post-retrieval aplica filtros a los resultados después de que han sido recuperados.
Pregunta 23
¿Cuál es más eficiente: el filtrado pre o post-retrieval?
a) Post-retrieval
b) Pre-retrieval
c) Ambos son iguales
d) Depende de la complejidad del filtro
Mostrar respuesta
Respuesta correcta: b
El filtrado pre-retrieval es más eficiente porque reduce el espacio de búsqueda antes del cálculo de similitud.
Pregunta 24
¿Qué tipo de modelo es ms-marco-MiniLM-L-6-v2?
a) Modelo de embedding
b) Reranker cross-encoder
c) LLM
d) Base de datos vectorial
Mostrar respuesta
Respuesta correcta: b
ms-marco-MiniLM-L-6-v2 es un modelo cross-encoder entrenado en MS MARCO para reranking.
Pregunta 25
¿Cuál es la salida de un cross-encoder?
a) Un embedding vectorial
b) Un puntaje de relevancia
c) Texto generado
d) Una etiqueta de clasificación
Mostrar respuesta
Respuesta correcta: b
Los cross-encoders generan un puntaje de relevancia que indica cuán relevante es un documento para una consulta.
Pregunta 26
¿Por qué usar pesos en EnsembleRetriever?
a) Para hacerlo más rápido
b) Para controlar la importancia de cada recuperador
c) Para reducir resultados
d) Para encriptar datos
Mostrar respuesta
Respuesta correcta: b
Los pesos controlan cuánto contribuye cada recuperador al ranking final.
Pregunta 27
¿A qué equivale el producto interno para vectores normalizados?
a) Distancia euclidiana
b) Similitud coseno
c) Distancia Manhattan
d) Distancia Hamming
Mostrar respuesta
Respuesta correcta: b
Para vectores normalizados (longitud = 1), el producto interno equivale a la similitud coseno.
Pregunta 28
¿Cuál es la principal desventaja del reranking?
a) Resultados de menor calidad
b) Mayor latencia y costo
c) Menos resultados
d) Requiere GPU
Mostrar respuesta
Respuesta correcta: b
El reranking añade latencia (inferencia cross-encoder) y potencialmente costo (llamadas a la API).
Pregunta 29
¿Cuándo NO debería usar búsqueda híbrida?
a) Dominio con términos técnicos
b) Consultas puramente conceptuales/semánticas
c) Búsqueda de productos
d) Consultas de entidades nombradas
Mostrar respuesta
Respuesta correcta: b
Para consultas puramente conceptuales sin términos específicos, la búsqueda semántica por sí sola puede ser suficiente.
Pregunta 30
¿Cuál es un número típico de candidatos para rerankear?
a) 5
b) 20-50
c) 1000
d) Todos los documentos
Mostrar respuesta
Respuesta correcta: b
Típicamente se recuperan y reranquean 20-50 candidatos para equilibrar calidad y latencia.
Resultados
| Puntaje | Nivel |
|---|---|
| 27-30 | Excelente - Sólido entendimiento de estrategias de recuperación |
| 21-26 | Bueno - Se recomienda repasar algunos temas |
| 15-20 | Promedio - Revise nuevamente los capítulos |
| Menos de 15 | Requiere repaso integral |