Machine Learning / AI

import unittest class Solution: def isvalid(self, s:str) -> bool: matching_brackets = { ")": "(", "]": "[", "}": "{", } stack: list[str] = [] for bracket in s: if bracket in "([{": stack.append(bracket) continue if bracket not in matching_brackets: return False if not stack or stack[-1] != matching_brackets[bracket]: return False stack.pop() return not stack class SolutionTest: def __init__(self): self.Solution = Solution() def run(self): test_cases = [ ("", True), ("()", True), ("(){}[]", True), ("(({}))", True), ("(", False), (")", False), ("(((", False), ("{[]}", False), ] for brackets, expected in test_cases: actual = self.Solution.isvalid(brackets) assert actual == expected, ( f"Chyba pro {brackets!r}" f"Očekávali jsme {expected}, ale dostali {actual}" ) print(f"Všechny testy prošly: {len(test_cases)}") if __name__ == "__main__": SolutionTest().run()

Kdy jsou reasoning-modely a výpočty při testu oprávněné, a kdy jsou zbytečné?

Jaké nástroje AI používáte denně?

Proč je ukládání přesných uživatelských dotazů do mezipaměti obvykle omezenou obchodní hodnotou a co přesně jste tím mysleli pod ukládáním odpovědí do mezipaměti?

Jak dlouho trvalo hledání / úplný cyklus odpovědi v systému RAG?

Jaké jsou rozměry logitů a jak z nich vzniká token?

Pověz mi o svých projektech: co jsi přesně dělal, technicky podrobně?

Co LLM dostává na výstupu při každém kroku inference?