- Ausführende
-
Lernen
Python lernen Ausführbare Beispiele, NumPy, pandas und mehr KI / Machine Learning lernenNeuronale Netze, ML und LLMs von Grund auf C/C++ lernen Zeiger, Speicher, STL und modernes C++ C# lernenC#-Grundlagen, OOP, LINQ, Async und .NET-Übungen Matplotlib lernenLinien-, Balken-, Streu- und Kreisdiagramme mit interaktiven Visualisierungen Rust lernenOwnership, Traits, Fehlerbehandlung und Threads Go lernenSlices, Interfaces, Goroutinen und Channels Python-Algorithmen Suche, Sortierung, Rekursion und Visualisierungen O(n) C/C++-Algorithmen Implementierungen in C und C++ vergleichen Programmieren für Kinder Spielend programmieren lernen!
- QuizzeNeu
- AufgabenNeu
- Für LehrkräfteNeu
- Aktualisierungen
- Spendier mir einen Kaffee
AI & Machine Learning-Quiz: Fine-Tuning & RAG
Fine-tuning and retrieval-augmented generation (RAG) are the two main ways to adapt a language model to your data and task. This quiz checks when each one fits, how parameter-efficient methods like LoRA work, and the practical pitfalls of chunking, embeddings and retrieval.
Beispielfrage
Frage 1 von 10What does retrieval-augmented generation (RAG) do?
Lösung zeigen
B. Finds documents relevant to the question at request time and puts them in the prompt so the model can answer from them RAG adds a retrieval step before generation: search your knowledge base, then give the best passages to the model as context. The model's weights do not change.
Darum geht es in diesem Quiz
- What RAG is and when it beats fine-tuning
- What fine-tuning is good at, and catastrophic forgetting
- LoRA and parameter-efficient fine-tuning
- Chunking, embedding models and hybrid search
- Debugging a RAG pipeline step by step
Häufige Fragen
Brauche ich ein Konto?
Nein. Jeder kann spielen. Mit Anmeldung werden XP, Serie, Abzeichen und Verlauf gespeichert.
Kann ich es wiederholen?
Ja. Dein Bestwert bleibt erhalten, und Fragen und Antworten werden jedes Mal neu gemischt.