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 टेक्स्ट टुकड़ों में विभाजित करना।
वेक्टर डेटाबेस (Vector Database) क्या स्टोर करता है और यह किस लिए ऑप्टिमाइज़ होता है?	एम्बेडिंग (संख्याओं की लंबी सूची) को स्टोर करने, तुलना करने और खोजने के लिए।
एम्बेडिंग के दौरान 'नॉर्मलाइज़ेशन' (Normalization) का क्या कार्य है?	प्रत्येक वेक्टर की परिमाण (magnitude) को 1.0 तक स्केल करना।
उपयोगकर्ता की क्वेरी को वेक्टर डेटाबेस में खोजने के लिए क्या किया जाता है?	क्वेरी को उसी एम्बेडिंग मॉडल से पास किया जाता है जिसका उपयोग सोर्स टेक्स्ट के लिए किया गया था।
दो एम्बेडिंग की समानता मापने के लिए कौन सा गणितीय माप उपयोग किया जाता है?	कोसाइन सिमिलैरिटी (Cosine Similarity)।
कोसाइन सिमिलैरिटी का मान 1 के करीब होने का क्या मतलब है?	इसका मतलब है कि दोनों एम्बेडिंग एक-दूसरे के बहुत समान हैं।
कोसाइन डिस्टेंस (Cosine Distance) को कैसे परिभाषित किया जाता है?	यह कोसाइन सिमिलैरिटी का व्युत्क्रम (1 - Cosine Similarity) होता है।