Machine Learning / AI

Колко приблизително бяха токените за един преход end-to-end?

С какъв инструмент беше направен структурният чанкинг на документите?

Какво е дисбаланс на класовете в NER и как да работим с това?

Какви са недостатъците на мултиагентния подход?

Кой модел беше използван под капака на ReAct-агента и защо точно него избрахте?

Колко кандидати са изпратени към reranker и колко бяха взети след него?

Дали беше JSON обект или JSON схема чрез API? Каква е разликата в използването?

Каква е разликата между кросс-енкодер (ранкер) и би-енкодер?

Как бяха комбинирани стойностите на BM25 и плътните вграждания преди да бъдат предадени на reranker (хибридизация)?

Разкажи ми за хибридното извличане в RAG — кой модел избра за плътните вектори?

Какъв чанкинг беше използван и какви бяха документите (Word, PDF, Excel и т.н.)?

Защо избрахте Qdrant като векторно хранилище?

Как валидирахте аргументите на извикването на функцията преди изпълнението?

Кратко опишете какво прави всеки от четирите агента на мултиагентната система от край до край.

Моделът беше в собствената си контур или преминаваше през външен API?

Проверяваш ли после кода, който е генерирал AI-инструментът?

Какви метрики могат да се използват за оценка на NER в документи?

Какво разбираш под грешка (в подхода с промпт)?

Как работихте с заявките във векторното хранилище (Qdrant) и тяхното влияние върху латентността на агента?

Какво използваш за бързо прототипиране на кодови агенти? Как използваш AI в разработката?