Machine Learning / AI

Токенизация кантип иштейт? Неге бүтүн сөздөрдүн ордуна субсөз токендер колдонулат?

BGE-M3 жөнүндө айтып бериңиз: үч көрсөтүү — тыгыз, сирек, көп-вектордук.

Recall жана Precision деген эмне? Маселе: 50 мөмө, 30 алма жана 20 өрүк, робот туура 20 алманы тапты, бирок 15 өрүктү алма деп тааныды. Метрикаларды эсептеңіз.

Сиз LoRA жана fine-tuning ыкмалары менен таанышсызбы?

Гибриддүү издөө үчүн коэффициенттер кандайча тандалды?

Неге 15 ғана үлгілер болса да, 12,000 сұрақ-жауап жұптары керек болды?

Неге құжаттарды сурет ретінде тандыңыз және парсер жасамадыңыз?

Сиз тесттик маалымат топтомун кантип түздүңүз: ошол эле 12 миң жуптанбы же жаңы маалыматтарданбы?

Кластерлөө жөнүндө айтып бериңиз: кайсы маселени чечтиңиз, кайсы ыкманы колдондуңуз, сапатын кантип өлчөдүңүз?

Калың вектор (dense embedding) эмне? Кантип ал алынат? Анын өлчөмү кандай?

Трансформатор кантип иштейт? BERT жана GPT жөнүндө айтып бер.

Ар бир этапта кайсы моделдер колдонулду? Объекттерди чыгарып алуу, векторизациялоо, же генерация үчүнби?

Cross-encoder деген эмне жана сиз аны кайда колдондуңуз?

RAG системасынын сапатын кантип баалоо кылдыңыз? Канча метриканы колдондуңуз?

Неге сөздүктүн өлчөмүн азайтуу керек? Неге чоң сөздүк жаман? Канча функцияда жүк түшүүдө?

Жыйынтык колдонуучуга сиздин системада эмне жөнөтүлчү эле?

GET жана POST суроолорунун айырмасы эмнеде?

Sparse-вектор деген эмне? Ал dense-вектордон эмнеге айырмаланат?

Жеке колдонуучу үчүн сиздин системанын иштеши жөнөкөй сөздөр менен түшүндүрүңүз, асинхрондуксуз.

Бир суроо үчүн 12 миң жооптун бири же көптүгү ылайыктуубү?