Machine Learning / AI

Qual era l'oggetto dello stato (TypedDict o altro)?

Come questi quattro agenti scrivevano nello stato generale per non sovrascrivere lo stato degli altri?

Cosa usi per il rapido prototiping di agenti di codice? Come usi l'IA nello sviluppo?

Hai detto che gli strumenti erano solo in modalità di sola lettura, non c'era scrittura nel sistema?

Perché si è utilizzato un sistema multi-agente di quattro agenti invece di un singolo agente con strumenti (come in ReAct)? Quali sono i vantaggi di questa divisione?

Come avete valutato la qualità della generazione (non retrieval)?

Cos'è LoRA e a cosa serve?

Quali iperparametri di LoRA conosci?

Se uno degli agenti commetteva un errore, l'intero grafico falliva o arrivava fino all'agente di riepilogo per la degradazione?

È stato considerato il rischio di injection di prompt nell'agente ReAct e come è stato affrontato?

È possibile costruire completamente la parte di recupero solo con un cross-encoder, senza bi-encoder?

Sono stati misurati i token e la latenza in un singolo passaggio per valutare il costo della soluzione?

Come suddividere correttamente in train, val e test per NER documentale?

Come hanno misurato la riduzione del tempo di ricerca delle informazioni (metrica in minuti)?

Cos'è LayoutLM e come si differenzia da BERT per i documenti?

Parlami del tuo approccio: come costruisci l'architettura con l'aiuto dell'IA, come validi il codice e scrivi i test?

Parla di te e della tua esperienza tecnica rilevante (progetti nel settore bancario: modelli ML, anti-frode, RAG, sistemi multi-agente).

Perché si è utilizzato specificamente il toolcalling nativo invece di passare uno schema JSON nel prompt?

Quale ranker è stato scelto per il reranking?

Se lo strumento (backend) commetteva un errore (ad esempio, un timeout durante l'accesso al sistema), venivano trasmesse le tracce di errore ai modelli?