Machine Learning / AI
Pastāstiet mums par dispečeru darba kvalitātes novērtēšanas projektu: kādus modeļus izmantoja, kā salīdzināja ar standarta scenāriju?
Kāpēc L1 regulēšana nolīdzina svarus? Izskaidrojiet mehānismu.
Pastāsti par ģenerēšanas parametriem: temperatūra, Top-P un Top-K.
Pastāstiet par savu pieredzi saistībā ar Data Scientist amatu.
Kā jūs mērojāt datu ieguves kvalitāti?
Kāda ir operatoru izpildes kārtība SQL vaicājumā?
Pastāsti par pozicionālā kodēšanas veidiem, īpaši par Rotary Positional Encoding (RoPE).
Kā ne sabojāt ražošanas procesu, izvietojot problemātisku versiju, kas sāksies, bet darbosies ar kļūdām?
Pastāsti man par dekoratoriem: kas tas ir un kā tos var izdarīt?
Ko saproti ar kļūdu (pievienošanas pieejā)?
Kā jūs strādājāt ar vaicājumiem vektoru glabātuvē (Qdrant) un kā tas ietekmēja aģenta latentumu?
Kuras metriku var izmantot NER novērtēšanai dokumentos?
Kā novērtējāt Text-to-SQL aģenta kvalitāti?
Ar ko jūs strādājāt? Kāda bija jūsu pozīcija tur?
Kas ir pārmācība? Kā to noteikt un novērst?
Kādu rangu jūs iestatījāt LoRA un no kā tas ir atkarīgs?
Kā sakārtot 20 gabaliņus un izvēlēties 5 visatbilstošākos pārraidīšanai uz LLM?
Kā pieiet mācībām savā domēnā? Ko darīt ar vispārējo modeli?
Kuras reitinga metriku jūs izmantojāt savā darbā?
Ja modeļa optimālais koku skaits ir 500, bet nejauši apmācījām gan nejaušo mežu, gan boosting ar 1000 kokiem, kurš modelis, visticamāk, pārtrauks mācīties un kāpēc?