Ինչպե՞ս գնահատել ռետրիվալի որակը: Որտեղից վերցնել փաստաթղթերի հավաքածուն գնահատման համար:
Machine Learning / AI
Ի՞նչ է vLLM և ինչու է այն օգտագործվում:
Դուք ունեք փոքր տվյալների հավաքածու ռուսերեն ֆիլմերի վերանայումներով և դրանց բինար զգացմունքային նշաններով (նշաններ՝ 0 — բացասական, 1 — դրական): Ձեր խնդիրն է 15 րոպեում իրականացնել ամբողջական պայպլայն՝ պարզ տեքստի դասակարգման մոդել ուսուցանելու համար՝ առանց պատրաստի ինկոդերների, ինչպիսիք են BERT-ը, և ցույց տալ ճշգրտությունը (accuracy) տվյալների վրա: reviews = [ "Այս ֆիլմը պարզապես հիանալի է!", "Անհաջող խաղ և ձանձրալի սյուժե:", "Ինձ շատ դուր եկավ յուրաքանչյուր պահը!", "Ամենավատ ֆիլմը, որ տեսել եմ:", "Ավելի լավ աշխատանք ռեժիսորության և հիանալի պատմության:", "Անտանելի ձանձրալի և կանխատեսելի:"] labels = [1, 0, 1, 0, 1, 0]
Ինչն է տարբերությունը Tensor Parallel Size և Data Parallel Size-ի միջև vLLM-ում։
Ի՞նչ է RAG և ինչ հիմնական խնդիր է լուծում:
Որ պարամետրն է մոդելում, որը որոշում է մուտքի առավելագույն տոքենների քանակը: Ինչ տեղի կունենա, եթե ավելի շատ տոքեններ ներկայացնեք, քան սահմանաչափը:
Ինչպե՞ս է ազդում բեթչի չափի 4 անգամ մեծացումը ուսուցման արագության վրա և ինչու՞: Ինչպես է աշխատում սխալի հետադարձ տարածումը։
Իմացեք ինձ և իմ փորձը
Ի՞նչ է embedding մոդելը և ինչ է տոքենը։
Ինչ է մոդելի քվանտացումը և ինչ է տեղի ունենում քաշքշուկների հետ vLLM-ում կիրառելիս։
Ինչպե՞ս են օգտվողի հարցումից տվյալները հանվում վեկտորային բազայից։
Ի՞նչ կլինի, եթե LLM-ին ներկայացնեք 120 000 տոքենի կոնտեքստ՝ սահմանափակմամբ 60 000։
Ինչպես կազմակերպվեց տեղեկատվության որոնումը վեկտորային բազայում: Ինչու օգտագործվեց Qdrant?
Ի՞նչ է LangGraph-ը, ինչու է օգտագործվում, ինչպես են իրականացնում ճյուղավորումները և պայմանական անցումները: Ինչպես են տուփերը տարբերվում հանգույցներից?