Какво е отдалечено наблюдение (NER от KB)?
Machine Learning / AI
Какво е query rewriting в RAG?
Какво е Megatron-LM и какъв е подходът му към тензорния паралел?
Имали ли сте опит с NLP задачи?
Как разделиха пробата на обучаваща и тестова част?
Защо регуляризацията помага да се борим с пренасищането?
Обяснете формулата за мащабираното внимание чрез скаларно произведение. Защо делим на sqrt(d_k)?
Защо теглата на модела могат да станат големи и защо е необходимо да ги намаляваме с регуляризация?
Какво е моделно базирано RL и какви са предимствата му пред безмоделното?
Как трябва да изглежда структурата за обучение на трансформатор за разпознаване на специализирана терминология?
Как избраха модела и хиперпараметрите, и как настроиха прага на класификация?
Как се изчисляват метриките MAP и MRR в задачите за класиране?
Каква е разликата между PR-AUC и ROC-AUC?
Каква е разликата между NaN и None в Python?
Каква задача решава настройката на модела на трансформатора?
Какво трябва да съдържа обучаващият датасет за обучение с крос-ентропия?
Кой алгоритъм лежи в основата на модела?
Какво е NTK-aware scaling RoPE за разширяване на прозореца на контекста?
Как изглежда визуално резултатът от декомпозицията на CNN?
Какво представляват recovery prompts при ниско доверие?