Machine Learning / AI

Mida kasutati RAG-is indeksi koostamiseks?

Mida teha koolituse lõpus?

Mis vahe on andmeparalelil ja mudeliparalelil?

Kuidas väljastada tulemuste nimekiri?

Kuidas erineb ROC-AUC teistest mõõdikutest?

Mis on sparse attention?

Mis on anchor'i tähendus Triplet Loss'is?

Mis vahe on Margin Loss ja Triplet Loss vahel?

Mis on epoh (epoch)?

Mis on n tähelepanu keerukuse kontekstis?

Kuidas treenitakse rerankerit?

Kui viitevastuseid pole, on ainult dokumendid ja kontekst — kuidas hinnata süsteemi ja kust võtta viitevastuse?

Millised LLM-i optimeerimise tüübid on olemas?

Mis veel, lisaks ristkriipsentropiale, saab kasutada kaotusefunktsioonina?

Mis on muutunud LLM-is võrreldes algse transformatsiooniga?

Milline tähelepanu tüüp võimaldab vähendada keerukust alla O(n²)?

Mis on gradient checkpointing?

Mis on kvantimine?

Kuidas hinnata agenti, kes rakendab RAG?

Mis juhtub, kui dekooderile sisestate 10k tokeni pikkuse järjestuse, samal ajal kui mudel oli treenitud 9k peal?