Machine Learning / AI

Opowiedz o swoim najciekawszym projekcie w dziedzinie NLP i LLM, w tym architekturę i ocenę rozwiązania.

Opowiedz mi o ROC-AUC: czym jest i jak się go używa?

Agent nigdy nie wywołuje jednego z trzech narzędzi. Jak zbadać i rozwiązać ten problem?

Jak oceniać systemy RAG? Jakie metryki były używane?

Opowiedz mi o LoRA: czym jest, jak jest trenowany i jak działa podczas inferencji?

Jakie metryki możesz wymienić dla zadań klasyfikacyjnych? Opowiedz mi o każdej z nich.

Opowiedz o głównej architekturze transformatora, jakie są jego główne części.

Jak chronić RAG przed wstrzykiwaniem promptów i niepożądaną zawartością?

Czym jest agent? Jakie są główne składniki potrzebne do stworzenia agenta? Jak zaimplementować pamięć?

Jak agregować i analizować oznaczenia z nakładaniem 3 (trzech operatorów na jedno pytanie, odpowiedzi binarne)?

Na czym polega zadanie klasteryzacji i jakich algorytmów znasz?

Opowiedz o rodzajach kodowania pozycyjnego, w szczególności o Rotary Positional Encoding (RoPE).

Opowiedz o parametrach generacji: temperatura, Top-P i Top-K.

Czym jest RAG i jakie są jego główne składniki?

Jaka funkcja straty jest używana w zadaniach klasyfikacji?

Opowiedz o destylacji modeli.

Jaka jest różnica między uwagą krzyżową, maskowaną a autouwagą?

Mamy region, w której może wystąpić tornado. Tworzymy model klasyfikacji binarnej. Na którą metrykę zwracamy większą uwagę — Precision czy Recall?

Opowiedz mi, na czym polega zadanie klasyfikacji.

Czym jest wyszukiwanie hybrydowe w RAG?