Prověrka znalostí

1.

Jaká je hlavní výhodou RAG oproti jemnému ladění?

RAG vytváří rychlejší odpovědi velkých jazykových modelů (LLM) než jemně vyladěné modely.

RAG používá data získaná v době dotazu, takže odpovědi odrážejí aktuální informace bez nutnosti opětovného trénování.

RAG vyžaduje méně úložného prostoru než jemně vyladěné modely.

2.

Která možnost T-SQL odebere hranaté závorky z výstupu JSON při načítání jednoho řádku pro kontext RAG?

INCLUDE_NULL_VALUES

ROOT('name')

WITHOUT_ARRAY_WRAPPER

3.

Jaké oprávnění musí uživatel databáze udělit, aby mohl volat sp_invoke_external_rest_endpoint?

SPUŠTĚNÍ LIBOVOLNÉHO EXTERNÍHO KONCOVÉHO BODU

řídicí server

ALTER ANY DATABASE SCOPED CREDENTIAL

4.

Když dotaz parsuje odpověď na dokončení chatu Azure OpenAI z sp_invoke_external_rest_endpoint, která cesta JSON extrahuje obsah zprávy asistenta?

$.response.message.content

$.result.choices[0].message.content

$.result.content

Kontrola znalostí