Machine Learning / AI

Kiek apytiksliai buvo žetonų vienam end-to-end perėjimui?

Kokiu įrankiu buvo atliekamas dokumentų struktūrinis skaidymas?

Papaskink apie hibridinį retrieval'ą RAG — kurį modelį pasirinkote dense-vectoriams?

Kokį modelį naudota po ReAct agento kapotu ir kodėl būtent jį pasirinkote?

Kas yra klasės disbalansas NER ir kaip su tuo dirbti?

Kokios yra daugiaagentinio požiūrio trūkumai?

Kiek kandidatų buvo išsiųsta į reranker ir kiek jų paėmė po jo?

Kuo skiriasi cross-encoder (ranker) nuo bi-encoder?

Kaip buvo sujungti BM25 reikšmės ir tankūs įsikūnijimai prieš perduodant juos reranker'ui (hibridizacija)?

Per API buvo JSON objektas ar JSON schema? Kuo skiriasi naudojimas?

Trumpai aprašykite, ką atlieka kiekvienas iš keturių daugiagentinės sistemos agentų nuo pradžios iki pabaigos.

Ar modelis buvo savo kontūre ar per išorinį API?

Kokio tipo chunking buvo naudota ir kokie tai dokumentai (Word, PDF, Excel ir kt.)?

Kokias metrikas galima naudoti NER vertinimui dokumentuose?

Kodėl pasirinkote Qdrant kaip vektorinį saugyklą?

Kaip patikrinote funkcijos kvietimo argumentus prieš jų vykdymą?

Ar vėliau tikrinate kodą, kurį sugeneravo DI įrankis?

Ką suprantate kaip klaidą (pateikties požiūriu)?

Kaip dirbote su užklausomis vektorinėje saugykloje (Qdrant) ir kaip jos paveikė agento latentiškumą?

Ką naudojate greitam kodinių agentų prototipavimui? Kaip naudojate DI plėtroje?