RAG पाइपलाइन के मुख्य चरण क्या हैं?	टेक्स्ट चंकिंग, टेक्स्ट एम्बेडिंग, वेक्टर डेटाबेस में स्टोरेज, और क्वेरी प्रोसेसिंग।
RAG पाइपलाइन में टेक्स्ट चंकिंग (Text Chunking) का उद्देश्य क्या है?	बड़े सोर्स डॉक्यूमेंट को छोटे, प्रबंधनीय टुकड़ों में विभाजित करना।
टेक्स्ट एम्बेडिंग (Text Embeddings) क्या करती है?	टेक्स्ट को संख्याओं की एक सूची (वेक्टर) में बदलती है जो उसके अर्थ को दर्शाती है।
एम्बेडिंग में नॉर्मलाइज़ेशन (Normalization) का क्या कार्य है?	प्रत्येक वेक्टर की परिमाण (magnitude) को 1.0 तक स्केल करना।
वेक्टर डेटाबेस (Vector Database) का उपयोग किस लिए किया जाता है?	एम्बेडिंग जैसे लंबी संख्या वाली सूचियों को स्टोर करने और तुलना करने के लिए।
वेक्टर डेटाबेस में दो एम्बेडिंग की समानता मापने के लिए कौन सा गणितीय माप उपयोग किया जाता है?	कोसाइन सिमिलैरिटी (Cosine Similarity)।
कोसाइन सिमिलैरिटी का परिणाम किस रेंज में होता है?	-1 और 1 के बीच।
कोसाइन डिस्टेंस (Cosine Distance) को कैसे परिभाषित किया जाता है?	यह कोसाइन सिमिलैरिटी का उल्टा होता है, यानी $1 - \text{कोसाइन सिमिलैरिटी}$।
RAG पाइपलाइन का अंतिम चरण क्या है?	उपयोगकर्ता की क्वेरी और सबसे प्रासंगिक टेक्स्ट चंक को प्रॉम्प्ट में जोड़कर LLM को भेजना।