Какво е PPO и защо е по-удобен от TRPO на практика?
Machine Learning / AI
Какво са A2C и A3C?
Какво е RT-DETR и каква е неговата идея?
Какво е самонаблюдавано предварително обучение за GNN?
Какво е RankNet и неговата загуба?
Какви са подходите за отговорно мащабиране на LLM?
Какви са времевите графи на знанията?
Какво е BLEU и в кои задачи се използва? Какви са проблемите на тази метрика?
Какво представляват recovery prompts при ниско доверие?
Какво е DenseNet и каква е разликата с ResNet?
Какво е рамката за оценка RAG (Ragas, TruLens)?
Кои съществуват подходи за HPO, осъзнати за разходите?
Как да кеширате най-често срещаните заявки в RAG?
Какво е коалиран достъп до паметта?
Защо е необходим bias=False в линейните слоеве в съвременните LLM?
Каква е разликата между sparse retrieval (BM25) и dense?
Какво е OCR-безплатно разбиране на документи (Donut, Pix2Struct)?
Какви са характеристиките на класирането на стоките в електронната търговия (CTR, конверсия, доход)?
Какво е Score-based SDE и как са свързани с DDPM?
Какво е дифузионна дестилация?