Machine Learning / AI

Kā darbojas tokenizācija? Kāpēc tiek izmantoti subword tokeni, nevis pilni vārdi?

Pastāstiet par BGE-M3: trīs attēlojumus — blīvu, retu, daudz-vektoru.

Kas ir Recall un Precision? Uzdevums: 50 augļu, 30 ābolu un 20 bumbieru, robots pareizi atrada 20 ābolu, bet 15 bumbieru atpazina kā ābolus. Aprēķiniet metriku.

Vai jūs zināt par LoRA un fine-tuning metodēm?

Kā tika izvēlēti koeficienti hibrīdai meklēšanai?

Kāpēc jums bija nepieciešami 12 000 jautājumu-atbildes pāri, ja bija tikai 15 veidnes?

Kāpēc jūs atpazīstat dokumentus kā attēlus, nevis izveidojāt parseri?

Kā jūs veidojāt testu datu kopu: no tām pašām 12 tūkstošiem pāru vai no jauniem datiem?

Pastāstiet par klasterizāciju: kādu uzdevumu risinājāt, kādu metodi izmantojāt, kā mērījāt kvalitāti?

Kas ir blīvs vektors (dense embedding)? Kā tas tiek iegūts? Kāds ir tā izmērs?

Kā darbojas transformators? Pastāsti par BERT un GPT.

Kādus modeļus izmantoja katrā posmā? Entitāšu izvilkšanai, vektorizācijai, ģenerēšanai?

Kā jūs novērtējāt RAG sistēmas kvalitāti? Kādas metriku izmantojāt?

Kas ir cross-encoder un kur jūs to izmantojāt?

Ko sūtīja jūsu sistēmā galalietotājs?

Kāpēc ir nepieciešams samazināt vārdnīcas izmēru? Kāpēc liela vārdnīca ir slikta? Kurā funkcijā notiek slodze?

Kāda ir atšķirība starp GET un POST pieprasījumiem?

Kas ir sparse-vektors? Kā tas atšķiras no blīva vektora?

Vienkāršiem vārdiem paskaidrojiet, kā darbojas jūsu sistēma vienam lietotājam, bez asinhronijas.

Vai vienai pieprasījumam pietiek ar vienu no 12 tūkstošiem atbilžu vai vairāk?