Pastāsti vairāk par FAISS: kā ir uzbūvēts indekss, kā tas tiek izvietots, kā darbojas end-to-end sistēma?
Machine Learning / AI
Pastāsti man par vakanci
Kāpēc funkcija atgriež 0, kad paraugā ir tikai viena klase?
Pastāsti, kā darbojas re-ordinator — vai tu iedziļinājies detaļās vai izmantoji to kā gatavu inženiertehnisku ķieģeli?
Kā darbojas divlīmeņu un divu sienu ieteicējs un kam tas ir nepieciešams?
Cik interesanti būs būt iegrimt rekomendāciju sistēmās?
Lūdzu, pastāstiet, kāpēc šobrīd meklējat darbu?
Kā izvēlējāties modeli embedingiem? Vai bija dokumentu filtrēšana un re-ranking posms?
Vai vari paskaidrot, kā darbojas off-policy novērtējums (piemēram, IPS vai Double Robust), kuru minēji?
Vai vari pastāstīt vairāk? (par RAG sistēmas aizsardzību pret halucinācijām)
Es nesaprotu, kāpēc mēs nevaram visu veikt tiešsaistē — kādi ir šeit patiesie ierobežojumi? Kam nepieciešams priekšskaitļošana?
Divu vārdos paskaidrojiet, kā atšķiras Double Robust pieeja no IPS — kas tiek pievienots un kas to padara stiprāku un izturīgāku?
Mums šķita, ka intervijas vidū tu izmantoji palīgu, atbildot uz teorētisko jautājumu par LangGraph. Vai tas ir patiesība vai nē?
Kā tas teorētiski darbotos boostingā, ja mērķis būtu minus viens? Pieņemsim, mums ir pozitīvs un negatīvs, ja pozitīvam iestatām mērķi uz 10 vietā 1, kas notiktu, nekas nemainītos?
Vai vari vienkārši izskaidrot Recall un MRR atšķirību?
(Pēc intervijas ar intervētāju) Kā tagad formulēt uzdevumu un pieeju, ņemot vērā, ka item ieteikumi jau ir, un ir nepieciešams izvietot blokus uz galvenās lapas bez satura dublēšanas?
Izskaidro, kāpēc divu torņu tīkls (two-tower) palīdzēs atrisināt pirmā līmeņa griestu problēmu — kāpēc tieši tas?
Salīdzināsim DAU, RPS un QPS: ja mums ir 10 miljoni DAU un katrs lietotājs piesakās 4 reizes dienā, cik būs RPS un QPS?
Kā cīnīties ar faktu, ka vecā rādīšanas politika var nebūt optimāla, pat ja izmantojam propensity — šeit propensity ļoti nepalīdz?
Kas ir kolaboratīvā filtrēšana?