Machine Learning / AI

Τι να κάνουμε αν θέλουμε να μάθουμε με 4 παραδείγματα;

Τι να κάνετε στο τέλος της εκπαίδευσης;

Πώς εκδίδεται μια λίστα αποτελεσμάτων;

Ποια είναι η διαφορά μεταξύ παραλληλισμού δεδομένων και παραλληλισμού μοντέλου;

Πώς διαφέρει το ROC-AUC από άλλες μετρικές;

Ποιο είναι το νόημα του anchor στο Triplet Loss;

Τι είναι η αραιή προσοχή;

Ποια είναι η διαφορά μεταξύ Margin Loss και Triplet Loss;

Τι είναι η εποχή (epoch);

Τι είναι το n στο πλαίσιο της πολυπλοκότητας της προσοχής;

Πώς εκπαιδεύεται ένας reranker;

Αν δεν υπάρχουν απαντήσεις αναφοράς, υπάρχουν μόνο έγγραφα και πλαίσιο — πώς να αξιολογήσετε το σύστημα και από πού να πάρετε την αναφορά απάντηση;

Ποιοι τύποι βελτιστοποίησης LLM υπάρχουν;

Τι άλλο, εκτός από την διασταυρούμενη εντροπία, μπορεί να χρησιμοποιηθεί ως συνάρτηση απώλειας;

Τι έχει αλλάξει στο LLM σε σύγκριση με τον αρχικό μετασχηματιστή;

Ποιο είδος προσοχής επιτρέπει τη μείωση της πολυπλοκότητας κάτω από το O(n²);

Τι είναι το gradient checkpointing;

Πώς αξιολογείτε έναν πράκτορα που υλοποιεί το RAG;

Τι είναι η ποσοτικοποίηση;

Τι συμβαίνει αν δώσετε στον αποκωδικοποιητή μια ακολουθία μήκους 10k tokens, ενώ το μοντέλο έχει εκπαιδευτεί σε 9k;