Machine Learning / AI

Ha az eszköz (backend) maga hibázott (például időtúllépés a rendszerhez való hozzáféréskor), továbbították-e a hibák traceback-jét a modelleknek?

Milyen adathalmazon mérték a modell kiválasztási metrikákat?

Hogyan követték nyomon az egész multi-agens rendszert — mely szakaszokban fordulnak elő hibák, késleltetés stb.?

Teszteltél más embedding-modelleket?

Mivel mértek a retrive metrikákat (milyen adathalmaz és eszköz)?

Volt-e ellenőrzés a rendszerben az ismétlődésekre sikeres bejegyzés után (idempotencia)?

Mekkora volt a chunk mérete, és történt-e átfedés?

Miért nem használták a Human-in-the-Loop-ot a multiügynökrendszerben, csak a ReAct-ben?

Mi az a BERT és milyen feladatokon tanult?

Írja le a ReAct-ügynök ciklusát: mik voltak a lépések és hogyan végződött a ciklus?

Milyen típusú jelöléseket ismersz a NER feladathoz? Mivel dolgoztál?

Mi az a VLM (Látásnyelvi Modell)?

Sebesség szempontjából, mi lesz gyorsabb — egy egyszerű ügynök eszközökkel vagy egy multi-ügynökrendszer?

Melyik részben (BM25 vagy dense) nincsenek normalizálva az értékek?

Milyen volt a toolcalling: natív vagy prompt (parsing) segítségével?

Egy modellt használt minden ügynöknél, vagy különbözőeket?

És mit tettek, ha a modell érvénytelen argumentumot adott?

Mi a különbség a fine-tuning és a few-shot prompting között? Mit és mikor válasszunk?

Hogyan jelezték a modellek, hogy az argumentum érvénytelen?

Volt párhuzamosság az ügynökök végrehajtásában, vagy minden szekvenciális volt?