Machine Learning / AI
¿Por qué la función devuelve 0 cuando en la muestra solo hay una clase?
ivi¿Cómo escalar el sistema bajo una gran carga?
СБЕР¿Por qué la regularización L1 anula los pesos? Explique el mecanismo.
¿Qué se puede hacer para que el modelo no responda si en el contexto no hay información para responder a la pregunta?
2gis¿Qué modelo se obtuvo en el proyecto de rotación, cuántas características había y cuál era el tamaño de la muestra?
Норникель¿Cómo evaluar la calidad de la resumación?
¿Hay alguna pregunta sobre las condiciones de trabajo y el proyecto?
AstonEscribe un breve párrafo de auto-presentación en el que destaques que los sistemas de recomendación son muy similares a RAG - recuperación, reordenamiento, similitudes arquitectónicas, etc., para que pueda recordarlo y explicarlo.
ivi¿Cuál es el orden de ejecución de los operadores en una consulta SQL?
СБЕРCuéntame sobre los tipos de codificación posicional, en particular sobre Rotary Positional Encoding (RoPE).
¿Hace cuánto tiempo trabajas en remoto?
¿Fue un JSON-objeto o un esquema JSON a través de la API? ¿Cuál es la diferencia en su uso?
¿Cómo se gestionaron los picos de carga en el sistema RAG? ¿Qué ocurría bajo alta carga?
¿Cómo evaluaron la calidad del agente Text-to-SQL?
¿Qué rango estableciste para LoRA y de qué depende?
¿Cómo ordenar 20 fragmentos y seleccionar los 5 más relevantes para transmitir a LLM?
¿Cómo aumentar la velocidad de inferencia para los modelos de OpenRouter a través de un pipeline de AI-Agente?
¿Cómo evaluaron la calidad de la generación (no retriev)?
¿Qué se utilizó para limpiar y normalizar los documentos: Redis o regex?
Tarea práctica AI generó un código para la decisión sobre el lanzamiento de un nuevo LLM. Realiza una revisión: modifícalo para que el editor pueda comparar la calidad de las versiones por segmentos temáticos, ver la dispersión de las evaluaciones y notar el riesgo de deterioro en un pequeño grupo de datos. import matplotlib.pyplot as plt import pandas as pd scores = pd.read_csv('model_scores.csv') summary = scores.groupby('model_version')['score'].mean() plt.bar(summary.index, summary.values) plt.title('Calidad de los modelos') plt.ylabel('Puntuación media') plt.show() print('Mejor versión:', summary.idxmax())