Machine Learning / AI

Какво беше обектът на state (TypedDict или друго)?

Как тези четири агента писаха в общото състояние, за да не презапишат състоянието на другите?

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

Каза, че инструментите са само за четене — нямаше ли запис в системата?

Защо използвахте мултиагентна система от четири агента, а не един агент с инструменти (по аналогия с ReAct)? Какви са предимствата на такова разделение?

Как оценихте качеството на генерирането (без retrieval)?

Ако един от агентите грешеше, цялата графика се проваляше или достигаше до обобщаващия агент за деградация?

Какво е LoRA и защо е необходима?

Кои хиперпараметри на LoRA знаеш?

Измерени ли са токените и латентността при един проход, за да се оцени цената на решението?

Може ли изцяло да се построи частта за извличане само с крос-енкодер, без bi-encoder?

Обмислихте ли риска от инжектиране на prompt в ReAct-агента и как се борихте с това?

Как правилно да разделите на train, validation и test за документен NER?

Как измериха намаляването на времето за търсене на информация (метрика в минути)?

Какво е LayoutLM и как се различава от BERT за документи?

Разкажи за подхода си: как изграждаш архитектура с помощта на AI, как валидираш кода и пишеш тестове?

Кой рангър беше избран за reranking?

Разкажете за себе си и своята релевантна техническа опитност (проекти в банковия сектор: ML модели, антифрод, RAG, мултиагентни системи).

Защо беше използвано именно нативното toolcalling, а не предаването на JSON схема в промпта?

Ако инструментът (бекендът) сам е допускал грешка (например, таймаут при обръщение към системата), предаваха ли се traceback-ите на грешките към моделите?