Machine Learning / AI

Kolik nástrojů měl agent ReAct?

Jaký byl objekt state (TypedDict nebo jiný)?

Jak tři agenti psali do společného stavu, aby nepřepisovali stav ostatních?

Řekl jsi, že nástroje jsou pouze pro čtení — nebyl v systému zápis?

Proč jste použili multiagentní systém se čtyřmi agenty, místo jednoho agenta s nástroji (podobně jako ReAct)? Jaké jsou výhody takového rozdělení?

Co je LoRA a k čemu slouží?

Pokud se jeden z agentů mýlil, celý graf selhal nebo došel k souhrnnému agentovi pro degradaci?

Jak hodnotili kvalitu generace (ne retrieval)?

Jaké hyperparametry LoRA znáš?

Bylo zváženo riziko prompt injection v agentovi ReAct a jak s tím bojovali?

Byly měřeny tokeny a latence při jednom průchodu, aby se odhadla cena řešení?

Lze úplně postavit část pro vyhledávání pouze na cross-encodéru, bez bi-encodéru?

Jak správně rozdělit na train, val a test pro dokumentový NER?

Jak měřili zkrácení doby hledání informací (metrika v minutách)?

Pověz mi o svém přístupu: jak stavíš architekturu s pomocí AI, jak validuješ kód a píšeš testy?

Co je LayoutLM a čím se liší od BERTu pro dokumenty?

Proč bylo použito právě nativní toolcalling místo předání JSON schématu v promptu?

Který ranker byl vybrán pro reranking?

Povězte nám o sobě a své relevantní technické zkušenosti (projekty v bankovním sektoru: ML modely, anti-fraud, RAG, multi-agent systémy).

Pokud nástroj (backend) sám chyboval (například timeout při přístupu k systému), byly tracebacky chyb předávány modelům?