Machine Learning / AI
Novērtējiet, cik daudz datu ir nepieciešams modeļa tālākai apmācībai ražošanā, aprakstiet tālākās apmācības procesu, parametrus, zaudējumu funkciju (contrastive/triplet) un kāpēc tieši to izvēlējāties.
Cik bieži raksti kodu Python, backend? (uzņēmuma nākotnes uzdevumu kontekstā)
Vai mēs varam mainīt vērtību, kas saistīta ar atslēgu vārdnīcā, kur atslēga ir virkne un vērtība ir tuple? Kas notiks?
Ko nozīmē parametri M, ef_construct, ef_search HNSW?
Vai jūs strādājāt ar diagrammām?
Kā algoritmiski darbojas virknes esamības pārbaude setā (hashtabula)?
Kā veici Blue-Green izvietojumu?
Kāpēc apsver jaunu piedāvājumu? Kas nepatīk tavā pašreizējā pozīcijā?
Kā tiek apmācīti ievietošanas modeļi? Kā jūs uzrakstītu savu ievietošanas ierīci?
Kā jūs izvēlējāties 0,6 slieksni?
Vai jums ir liela komanda?
Kāpēc kvantizētā LLM var darboties ātrāk un kāpēc dažreiz kvantizācija, gluži pretēji, palēnina inferenci?
Kā apstrādāt tabulu dokumentā, sagatavojot datus RAG?
Vai jums ir bijušas tabulas modeļi ražošanā?
Kā jūs vācu RAG sistēmas kvalitātes metriku? Kādas metriku jūs izmantojāt un kādus rīkus?
Kāda ir atšķirība starp sarakstu un tuple?
Kas vispār pārskatīja tavu kodu, tavu darbu, kas to pārbaudīja?
Kāpēc daudzagentu sistēmā netika izmantots Human-in-the-Loop, tikai ReAct?
Ko notiek atmiņā, kad pārvēršam virkni uz lowercase()? Kādu atmiņas operāciju tas aizņem?
Kādu darba formātu apsverat un kurā pilsētā dzīvojat?