Ի՞նչ է հեռավոր հսկողությունը (NER KB-ից):
Machine Learning / AI
Նպաստներ եք ունեցել NLP առաջադրանքների հետ աշխատելու համար?
Ի՞նչ է RAG-ում հարցման վերաշարադրությունը։
Ի՞նչ է Megatron-LM-ը և ինչ է նրա տենսորային համաժամացման մոտեցումը։
Ինչպե՞ս բաժանեցիք նմուշը ուսուցման և փորձարկման համար։
Ինչու՞ ռեգուլյարիզացիան օգնում է պայքարել ավելորդ ուսուցմանը։
Ինչու՞ մոդելի քաշերը կարող են մեծանալ և ինչու՞ է անհրաժեշտ դրանք նվազեցնել ռեգուլյարիզացիայով։
Ներկայացրեք սքեյլավորված կետային ուշադրության բանաձևը։ Ինչու բաժանել sqrt(d_k)-ի վրա։
Ինչ է մոդելային հիմնված RL-ը և ինչու է այն առավել է մոդել-ազատից?
Ինչպե՞ս պետք է выгляделի կառուցվածքը՝ ուսուցանելու համար փոխակերպիչը հատուկ տերմինաբանությունը ճանաչել:
Ինչպես են հաշվարկվում MAP և MRR մետրիկաները դասավորության խնդիրներում։
Ինչպե՞ս ընտրեցին մոդելը և հիպերպարամետրերը, և ինչպես ընտրեցին դասակարգման շեմը։
Ի՞նչն է PR-AUC-ն տարբերում ROC-AUC-ից։
Ի՞նչ տարբերություն կա NaN և None-ի միջև Python-ում։
Ի՞նչ խնդիր է լուծում տրանսֆորմատորի մոդելի հարմարեցումը։
Ի՞նչ պետք է պարունակի ուսուցողական տվյալների հավաքածուն՝ ուսուցման համար կռոս-ենթրոպիայի հետ:
Ի՞նչ ալգորիթմ է հիմքում ընկած մոդելի։
Ինչ է NTK-aware scaling RoPE-ը կոնտեքստային պատուհանը ընդլայնելու համար։
Ինչ է տեսողականորեն տեսնում CNN-ի դեկոմպոզիցիայի արդյունքը:
Ի՞նչ են recovery prompts-ները ցածր վստահության դեպքում։