Machine Learning / AI

Wie viele Token gab es ungefähr bei einem End-to-End-Durchlauf?

Welches Werkzeug wurde für das strukturierte Chunksing von Dokumenten verwendet?

Was sind die Nachteile des Multi-Agenten-Ansatzes?

Was ist Klassenungleichgewicht in NER und wie damit umgehen?

Welches Modell wurde unter der Haube des ReAct-Agents verwendet und warum wurde genau dieses gewählt?

Wie viele Kandidaten wurden an den Reranker gesendet und wie viele wurden danach ausgewählt?

Wie wurden die Werte von BM25 und Dense-Embeddings vor der Übergabe an den Reranker (Hybridisierung) kombiniert?

Welches Chunksing wurde verwendet und um welche Dokumente handelte es sich (Word, PDF, Excel usw.)?

War es ein JSON-Objekt oder ein JSON-Schema über die API? Was ist der Unterschied in der Verwendung?

Warum haben Sie Qdrant als Vektorspeicher gewählt?

Erzähle mir vom hybriden Retrieval in RAG — welches Modell hast du für die dichten Vektoren gewählt?

Was ist der Unterschied zwischen einem Cross-Encoder (Ranker) und einem Bi-Encoder?

Überprüfst du dann den Code, den das KI-Tool generiert hat?

War das Modell in seinem eigenen Kontur oder wurde es über eine externe API aufgerufen?

Beschreiben Sie kurz, was jeder der vier Agenten des End-to-End-Mult-Agentensystems tut.

Wie haben Sie die Argumente des Funktionsaufrufs vor der Ausführung validiert?

Welche Metriken können zur Bewertung von NER in Dokumenten verwendet werden?

Was verstehst du unter einem Fehler (im Prompt-Ansatz)?

Wie wurden Anfragen im Vektor-Speicher (Qdrant) bearbeitet und welchen Einfluss hatten sie auf die Latenz des Agents?

Was verwendest du für schnelles Prototyping von Code-Agenten? Wie nutzt du KI in der Entwicklung?