Machine Learning / AI

Hoe werkt tokenisatie? Waarom worden subword-tokens gebruikt in plaats van volledige woorden?

Vertel over BGE-M3: drie representaties — dicht, zeldzaam, multi-vector.

Wat zijn Recall en Precision? Probleem: 50 fruit, 30 appels en 20 peren, een robot vond correct 20 appels, maar herkende 15 peren als appels. Bereken de metrics.

Bent u bekend met LoRA en fine-tuning methoden?

Hoe zijn de coëfficiënten voor de hybride zoekopdracht gekozen?

Waarom had je 12.000 vraag-antwoordparen nodig terwijl er maar 15 sjablonen waren?

Waarom hebt u de documenten als afbeeldingen herkend in plaats van een parser te maken?

Hoe hebt u de testset gevormd: uit dezelfde 12.000 paren of uit nieuwe gegevens?

Vertel ons over clustering: welk probleem hebben jullie opgelost, welke methode hebben jullie gebruikt, hoe hebben jullie de kwaliteit gemeten?

Wat is een dense vector (dense embedding)? Hoe wordt het verkregen? Wat is de grootte ervan?

Hoe werkt een transformer? Vertel me over BERT en GPT.

Welke modellen werden in elke fase gebruikt? Voor entiteitsextractie, voor vectorisatie, voor generatie?

Wat is een cross-encoder en waar hebt u deze gebruikt?

Hoe hebt u de kwaliteit van het RAG-systeem beoordeeld? Welke metrics hebt u gebruikt?

Waarom moet de grootte van het woordenboek worden verminderd? Waarom is een groot woordenboek slecht? In welke functie vindt de belasting plaats?

Wat werd er naar de eindgebruiker in uw systeem gestuurd?

Wat is het verschil tussen GET- en POST-verzoeken?

Wat is een sparse-vector? Hoe verschilt deze van een dense-vector?

Leg uit in eenvoudige woorden hoe jouw systeem voor één gebruiker werkt, zonder asynchroniteit.

Voor één verzoek, past één van de 12.000 antwoorden of meerdere?