Machine Learning / AI
Ընդհանուր առմամբ, պատմիր՝ ինչպես էիր աշխատում վերջին աշխատավայրումդ (DOM.RF), ինչի համար էիր պատասխանատու, ինչպես անցավ քո աշխատանքային օրը, ինչ են ընթացիկ առաջադրանքները՝ կապված CorpGPT նախագծի (կորպորատիվ RAG)-ի հետ։
Ինչպես է կատարվում թեկնածուների վերջնական ֆիլտրումը ռե-ռենկերի միջոցով։
Ի՞նչն է տարբերությունը հսկվող և հսկողության բացակայությամբ ուսուցման առաջադրանքների միջև։
Ի՞նչ տեխնիկաներ եք կիրառել prompt ինժեներիայում (few-shot, role, CoT, ReAct):
Ի՞նչ տեսակի ուշադրություններ կան, որոնք թույլ են տալիս խուսափել երկար կոնտեքստում լրիվ ինքնակշռության քառակուսային բարդությունից։
Ինչպե՞ս հասկանալ որոշիչ գործակիցի արժեքը։
Ինչպե՞ս է նույն արժեքների ավելացումը բոլոր օբյեկտներին ազդում դասակարգման մետրիկաների վրա։
Ի՞նչ է գաղտնիության բյուջեն։
Ի՞նչ է LLM հավելվածների դիտելիությունը (Langfuse, Arize, Phoenix):
Ի՞նչ են LLM ծառայության սովորական խոչընդոտները։
Ի՞նչ խնդիրներ են առաջանում բատչային ինֆերենցիայի ժամանակ LLM-ով տարբեր երկարության հարցերով։
Ի՞նչ օրինակներ եք կատարել feature engineering նախագծերում:
Ի՞նչ է ժամանակային մոդելավորումը և ինչու է անհրաժեշտ ժամանակային մուտքը։
Ինչի հետ է բազմապատկվում Q-վեկտորը decode-ի ժամանակ և ինչ է ստացվում?
Համեմատեք դասակարգումը, տեղադրումը և հայտնաբերումը։
Նշեք առնվազն երեք սահմանափակում, որոնք կարևոր է հաշվի առնել LLM-ով աշխատելիս որպես տեխնոլոգիա։
Ի՞նչ անել, եթե հարցը ընդհանրապես չի վերաբերում որևէ սցենարի (օրինակ՝ 'բարև' կամ սպամ):
Ի՞նչ է pseudo-labeling-ը սեղանային առաջադրանքներում։
Ի՞նչ է DeepSpeed ZeRO Stage 1/2/3-ը։
Ի՞նչ է ROC-AUC-ը: Ինչպե՞ս կառուցել ROC գծապատկերը, ինչ է ներկայացնում առանցքները։