Machine Learning / AI

Как работи токенизацията? Защо се използват subword токени, а не цели думи?

Разкажете за BGE-M3: три представяния — гъста, рядка, много-векторна.

Какво е Recall и Precision? Задача: 50 плодове, 30 ябълки и 20 круши, роботът правилно намери 20 ябълки, но 15 круши разпознах като ябълки. Изчислете метриките.

Запознат ли сте с LoRA и методите за фина настройка?

Как бяха подбрани коефициентите за хибридното търсене?

Защо ви бяха необходими 12 000 двойки въпрос-отговор, ако имаше само 15 шаблона?

Защо разпознавахте документите като изображения, а не създадохте парсер?

Как сте формирали тестовия набор от данни: от същите 12 хиляди двойки или от нови данни?

Разкажете ни за клъстеризацията: какъв проблем решихте, какъв метод използвахте, как измервахте качеството?

Как оценихте качеството на RAG системата? Какви метрики използвахте?

Какво е плътен вектор (dense embedding)? Как се получава? Какъв е размерът му?

Как работи трансформаторът? Разкажи ми за BERT и GPT.

Какви модели бяха използвани във всеки етап? За извличане на същности, за векторизация, за генериране?

Защо е необходимо да се намали размерът на речника? Защо е лош голям речник? В коя функция се случва натоварването?

Какво е cross-encoder и къде сте го използвали?

Какво е sparse-вектор? Как се различава от dense?

Какво се изпращаше към крайните потребители във вашата система?

Каква е разликата между GET и POST заявки?

За един въпрос подходящ е един от 12 хиляди отговори или много?

Обяснете с прости думи как работи вашата система за един потребител, без асинхронност.