Machine Learning / AI

Quel était l'objet de l'état (TypedDict ou autre) ?

Comment ces quatre agents ont-ils écrit dans l'état général pour ne pas écraser l'état des autres?

Qu'utilisez-vous pour le prototypage rapide d'agents de code ? Comment utilisez-vous l'IA dans le développement ?

Tu as dit que les outils étaient en lecture seule, y avait-il une écriture dans le système?

Pourquoi avoir utilisé un système multi-agent composé de quatre agents plutôt qu'un seul agent avec des outils (comme dans ReAct) ? Quels sont les avantages de cette séparation ?

Comment ont-ils évalué la qualité de la génération (pas de récupération) ?

Si l'un des agents faisait une erreur, tout le graphique échouait-il ou atteignait-il l'agent de résumé pour la dégradation?

Qu'est-ce que LoRA et à quoi sert-elle?

Quels hyperparamètres de LoRA connais-tu?

A-t-on mesuré les tokens et la latence en un seul passage pour évaluer le coût de la solution ?

Peut-on construire entièrement la partie de récupération uniquement avec un encodeur croisé, sans bi-encodeur?

Le risque d'injection de prompt dans l'agent ReAct a-t-il été considéré et comment cela a-t-il été géré?

Comment faire correctement un split en train, val et test pour le NER de documents?

Comment ont-ils mesuré la réduction du temps de recherche d'informations (métrique en minutes) ?

Qu'est-ce que LayoutLM et en quoi diffère-t-il de BERT pour les documents?

Parle-moi de ton approche : comment construis-tu l'architecture avec l'aide de l'IA, comment valides-tu le code et écris-tu des tests ?

Quel ranker ont-ils choisi pour le reranking?

Parlez-moi de vous et de votre expérience technique pertinente (projets dans le domaine bancaire : modèles ML, anti-fraude, RAG, systèmes multi-agents).

Pourquoi avoir utilisé spécifiquement le toolcalling natif plutôt que de passer un schéma JSON dans l'invite ?

Si l'outil (backend) faisait une erreur (par exemple, un timeout lors de l'accès au système), les traces d'erreur étaient-elles transmises aux modèles?