Machine Learning / AI

Πόσα περίπου tokens υπήρχαν σε μια διαδρομή end-to-end;

Με ποιο εργαλείο έγινε ο δομημένος διαχωρισμός των εγγράφων;

Ποιο μοντέλο χρησιμοποιήθηκε κάτω από το καπό του ReAct-αξιό και γιατί επιλέξατε ακριβώς αυτό;

Τι είναι η ανισορροπία κλάσεων στο NER και πώς να αντιμετωπίσετε αυτό;

Ποια είναι τα μειονεκτήματα της πολυ-πρακτικής προσέγγισης;

Πόσοι υποψήφιοι στάλθηκαν στον reranker και πόσοι επιλέχθηκαν μετά από αυτόν;

Ποια είναι η διαφορά μεταξύ ενός cross-encoder (ranker) και ενός bi-encoder;

Πες μου για την υβριδική ανάκτηση στο RAG — ποιο μοντέλο επέλεξες για τους πυκνούς διανυσματικούς;

Ήταν ένα JSON αντικείμενο ή ένα JSON σχήμα μέσω του API; Ποια είναι η διαφορά στη χρήση;

Πώς συγχωνεύτηκαν οι τιμές του BM25 και των πυκνών ενσωματώσεων πριν από την αποστολή τους στον reranker (υβριδισμός);

Ποιον τύπο chunking χρησιμοποιήθηκε και τι είδους έγγραφα ήταν (Word, PDF, Excel κ.λπ.)?

Το μοντέλο βρισκόταν στο δικό του περίγραμμα ή περνούσε μέσω εξωτερικής API;

Γιατί επιλέξατε το Qdrant ως αποθήκευση διανυσμάτων;

Πώς επικυρώσατε τα επιχειρήματα της κλήσης της λειτουργίας πριν από την εκτέλεση;

Περιγράψτε συνοπτικά τι κάνει κάθε ένας από τους τέσσερις πράκτορες του συστήματος πολλαπλών πρακτόρων από άκρο σε άκρο.

Ελέγχεις μετά τον κώδικα που δημιούργησε το εργαλείο AI;

Ποιες μετρήσεις μπορούν να χρησιμοποιηθούν για την αξιολόγηση του NER σε έγγραφα;

Τι εννοείς με λάθος (στην προσέγγιση με προτροπή);

Πώς εργαστήκατε με τα ερωτήματα στην αποθήκευση διανυσμάτων (Qdrant) και πώς επηρέασαν την καθυστέρηση του πράκτορα;

Πόσα εργαλεία είχε ο πράκτορας ReAct;