Machine Learning / AI

`eval()` rejimində BatchNorm-un düzgün olmayan istifadəsinin proqnozlarda səhvlərə səbəb olduğu nümunə göstərin.

Tətbiqi tapşırıq Hansı artefaktlar dəstəsi iki LoRA işə salınmasının dürüst şəkildə müqayisəsini təmin edir? - Yalnız son keyfiyyət cədvəli. - Kod və son metrikanın ekran görüntüsü ilə commit. - Təcrübənin kodu və konfiqurasiya faylı. - Kod, məlumatların hash-i, əsas model, LoRA konfiqurasiyası, asılılıqlar və işə salma əmri. - Yalnız Git şaxəsinə link. - Kod, LoRA parametrləri, əsas modelin versiyası və asılılıqlar.

Yandex və Alfa kimi böyük texnologiya şirkətlərində hazırda müsahibələr varmı?

Əməliyyat tapşırığı 80 milyon mesaj üçün SQL sorğusu JOIN-dən sonra təkrarlamalar yaradır. Hansı addım ilk olaraq başlamalıdır? - Optimizasiyadan əvvəl JOIN kardinallığını, açarları və icra planını yoxlayın. - Birləşmə sahəsində indeks yaradın. - Nəticəni CSV-ə ixrac edin və Python-da təkrarlamaları silin. - Həmişə bütün sütunlara DISTINCT əlavə edin. - Nəticəni nümunədə yoxladıqdan sonra DISTINCT əlavə edin. - Birgəlik açarlarını və hər iki cədvəlin unikal olduğunu yoxlayın.

Yeni model versiyasından sonra orta keyfiyyət qiymətləndirməsi artdı, lakin redaktorlar hüquqi və maliyyə mövzularında cavabların əhəmiyyətli dərəcədə pisləşdiyini deyirlər. Nə vizuallaşdırma edəcəksiniz ilk olaraq, nəyi dayandırmaq və ya davam etdirmək barədə qərar vermək üçün?

Belə təcrübələrdə məlumatların və modellərin versiyalarını adətən necə idarə edirsiniz?

Filippində qalmağa davam etməyi planlaşdırırsınız yoxsa başqa bir ölkəyə köçürsünüz?

Suallarda sizə nə üçün "boğucu" göründüyünü və bunun sizin müsahibəyə baxışınıza necə təsir etdiyini daha ətraflı izah edə bilərsinizmi?

Tamamilə ingilis dilli komandalarla işləmə təcrübəniz varmı?

İA ilə müsahibələrdə təcrübəniz varmı?

Başqa şirkətlərdə təklifləriniz və ya son mərhələləriniz varmı?

İstixbaratların model metriklərinə, məsələn, dəqiqlik və ya F1-qiyməti kimi, kəmiyyətcə təsirini necə qiymətləndirərdiniz?

Qoşulma açarları üzrə indeksləri necə optimallaşdırardınız, təkrarlamaları azaltmaq və sorğunu sürətləndirmək üçün?

Təsəvvür et ki, sən PyTorch-də model üzərində işləyirsən və onu eval() rejiminə keçirdikdən sonra 10,000 nümunədən ibarət sabit test dəstində metriklərin hər icrada dəyişdiyini görürsən. Təkrarlanabilirlik üçün təsadüfi ədədlər generatorlarının başlanğıc vəziyyətini təyin edirsən: başqa harada dəyişikliklərin mənbəyi gizli qala bilər? Dropout, BatchNorm və torch.no_grad() funksiyalarının rolunu izah et və nəticələrin stabilliyini yoxlamaq üçün istifadə edəcəyin metrikləri və keçid hədlərini qeyd et.

CEFR səviyyələrinə görə oxuma/yazma və danışıq üçün ingilis dilinizi ayrıca qiymətləndirin.

Tətbiqi tapşırıq AI, bütün 2 milyon təmizlənməmiş dialoqları LoRA ilə öyrətməyi təklif edir. Namizədin ən yetkin cavabı hansıdır? - AI-yə güvənmək: böyük korpus səhvləri kompensasiya edəcək. - Məlumatları dəyişmədən əvvəl promptu dəyişmək. - Təmizlənmiş hissədə LoRA-nı öyrətmək və onu əsas model ilə müqayisə etmək. - Təlimdən əvvəl təsadüfi işarələmə nümunəsini yoxlamaq. - Əvvəl məlumatları və keyfiyyəti mövzu üzrə ayrıca dəstədə yoxlamaq, sonra LoRA-nı məhdud şəkildə öyrətmək. - Bütün korpusda öyrətmək, amma LoRA-nın rütbəsini azaltmaq.

Bu sorğuda performans problemlərini müəyyən etmək üçün `EXPLAIN`-dən necə istifadə edərdiniz?

Hansı rəsmi format sizin üçün daha uyğundur: GPH, IP və ya TК?

Dialoqlar cədvəlində 80 milyon mesaj var və qiymətləndirmə dəstəyinə analitik sorğu 25 dəqiqə çəkir və bəzən sual-cavab cütlüklərinin təkrarlanmasına səbəb olur. İlk olaraq nəyi düzəldərdiniz və niyə?

Sualları yaratmaq üçün böyük dil modeli nadir mövzularda üslubu saxlamaqda çətinlik çəkir. AI köməkçisi dərhal 2 milyon dialoqdan ibarət tarixi korpusda LoRA-nı işə salmağı təklif edir, lakin işarələmə qismən səs-küylüdür. Bu məsləhətə hansı hallarda inanmırsınız və ilk olaraq nə seçərdiniz?