Machine Learning / AI
Stel dat daar een verzameling tools moet zijn (aanvragen kunnen verschillen in velden en namen). Hoe kunnen we dit het beste doen, implementeren / in de context plaatsen?
Dus je bent nu 2 maanden op zoek naar een baan?
Waarom kunnen we de scores van BM25 en dense-embedding niet gewoon optellen?
Waarom stel je CatBoost voor voor deze taak?
Wat is sneller qua snelheid — een eenvoudige agent met tools of een multi-agent systeem?
Hoe wordt de incrementele update van de FAISS-index in productie uitgevoerd?
We hebben een HR-afdeling met geld en ambitieuze plannen, op zoek naar een agent die aanvragen invoert en antwoordt in de kennisbank. Hoe zou je deze kwestie aanpakken?
Als je een onbeperkt aantal GPU kreeg om de systeeme kwaliteit te verbeteren, welke richting zou je dan als eerste kiezen?
Hoe werden ze tussen de agenten gerouteerd? Geef een voorbeeld van overschakelingsvoorwaarden.
Hoe hebt u gewerkt met klassen waarvoor er heel weinig voorbeelden waren?
Kun je kort zeggen wat je daar waardevol hebt geleerd (in het project met verzoeken/OCR)?
Vertel eens over jezelf: waarmee ben je bezig geweest, waarmee wil je bezig zijn, over je ervaring.
Hoe schreven deze vier agenten in de gezamenlijke state zodat ze elkaars toestand niet overschreven?
Waar voel je je het meest zeker over, je expertise of je kennis, gezien een breed scala aan vaardigheden?
Hoe zou je de tabel met klantgegevens, de directeur van het bedrijf en zijn veld zoeken, als je niet weet waar deze gegevens liggen en niemand hebt om het aan te vragen?
Hoe hebt u de fine-tuning van LoRA gevalideerd?
Waarom heb je voor Qdrant gekozen als je hoofd database?
Overweeg je de mogelijkheid van remote werken qua locatie?
Leg uit in eenvoudige woorden hoe jouw systeem voor één gebruiker werkt, zonder asynchroniteit.
Welke soorten LLM-optimalisatie bestaan er?