Machine Learning / AI

Ի՞նչ է կորուստների ֆունկցիան։

Ի՞նչ անել ուսուցումից հետո:

Ինչով է ROC-AUC-ը տարբերվում մյուս մետրիկներից?

Ինչպե՞ս արտատպել արդյունքների ցանկը։

Ի՞նչ է տվյալների և մոդելի պառլելիզմի տարբերությունը։

Ի՞նչ է sparse attention-ը։

Ի՞նչ է նշանակում anchor-ը Triplet Loss-ում։

Որ տեսակների է LLM-ի օպտիմալացմանը:

Ի՞նչ է տարբերությունը Margin Loss և Triplet Loss-ի միջև։

Ի՞նչ է эпохա (epoch):

Ինչպես է ուսուցանվում ռերանգերը?

Ի՞նչ է n ուշադրության բարդության համատեքստում։

Եթե հղման պատասխաններ չկան, միայն փաստաթղթեր և կոնտեքստ կա — ինչպես գնահատել համակարգը և որտեղից վերցնել հղման պատասխան?

Ի՞նչ ավելին, բացի խաչաձեւ ինֆորմացիայից, կարող է օգտագործվել կորուստի ֆունկցիա?

Ի՞նչ է փոխվել LLM-ում՝ համեմատած սկզբնական փոխակերպչի հետ։

Ի՞նչ է քվանտավորումը։

Որ տեսակի ուշադրությունը թույլ է տալիս նվազեցնել բարդությունը ցածր O(n²)-ի?

Ի՞նչ անել, եթե մոդելի ներքին վիճակը հակասում է կոնտեքստում առկա բովանդակությանը։

Ինչպե՞ս գնահատել RAG-ը իրականացնող գործակալին։

Ի՞նչ է gradient checkpointing-ը։