¿Cuántos tokens había aproximadamente en una pasada de extremo a extremo?
Machine Learning / AI
¿Con qué herramienta se realizó el segmentado estructurado de documentos?
¿Qué es el desequilibrio de clases en NER y cómo trabajar con ello?
¿Cuáles son las desventajas del enfoque multiagente?
¿Qué modelo se utilizó bajo el capó del agente ReAct y por qué se eligió exactamente ese?
¿Cuántos candidatos enviaron al reranker y cuántos tomaron después de él?
¿Fue un JSON-objeto o un esquema JSON a través de la API? ¿Cuál es la diferencia en su uso?
¿Cómo se combinaron los valores de BM25 y los embeddings densos antes de pasarlos al reranker (hibridación)?
¿En qué se diferencia un cross-encoder (ranker) de un bi-encoder?
Cuéntame sobre el retrieval híbrido en RAG: ¿qué modelo elegiste para los vectores densos?
¿Qué tipo de agrupamiento se utilizó y qué tipo de documentos eran (Word, PDF, Excel, etc.)?
¿Por qué eligieron Qdrant como almacenamiento vectorial?
¿El modelo estaba en su propio contorno o se accedía a través de una API externa?
¿Cómo validó los argumentos de la llamada a la función antes de su ejecución?
Describe brevemente qué hace cada uno de los cuatro agentes del sistema multiagente de extremo a extremo.
¿Luego revisas el código que generó la herramienta de IA?
¿Qué métricas se pueden usar para evaluar NER en documentos?
¿Qué entiendes por error (en el enfoque de prompt)?
¿Cómo se trabajó con las consultas en el almacenamiento vectorial (Qdrant) y su impacto en la latencia del agente?
¿Cuál fue el objeto de state (TypedDict u otro)?