Machine Learning / AI
Dlaczego kwantyzowany LLM może działać szybciej i dlaczego czasami kwantyzacja, przeciwnie, spowalnia inferencję?
Zadanie: w 1000 dokumentach jest 10 prawie identycznych (różni się tylko liczba w środku — cena połączenia dla różnych regionów). Jak to wpłynie na RAG i jak rozwiązać problem?
Czy są terminy na poszukiwanie pracy? Z jakimi firmami jeszcze się kontaktujesz?
Jest 100 monet, z nich jedna jest fałszywa — z dwoma orłami po obu stronach. Wybieramy losowo monetę, rzucamy nią i wypada orzeł. Jakie jest prawdopodobieństwo, że moneta jest fałszywa? Opisz rozwiązanie (za pomocą wzoru Bayesa).
Na które współczynniki nakłada regularyzacja L2 w XGBoost?
Jak zaprojektować agenta, który odpowiada użytkownikom na podstawie danych z bazy transakcyjnej: jaki stos technologiczny i architektura są potrzebne, i czy warto stosować wieloagentowość?
Czym jest Kafka?
Opowiedz o swoim pierwszym miejscu pracy: z jakimi zadaniami i projektami musiałeś pracować, jakich narzędzi używałeś?
Kto w ogóle przejrzał twój kod, twoją pracę, kto to sprawdzał?
Opowiedz o swoim najciekawszym projekcie w dziedzinie NLP i LLM, w tym architekturę i ocenę rozwiązania.
Czym jest wyciek danych i skąd się bierze?
Na ile jesteś obecnie aktywny w poszukiwaniu i dlaczego rozważasz nowe oferty?
Czy harmonogram pracy (praca zdalna, od poniedziałku do piątku od 10:00 do 19:00 czasu moskiewskiego) będzie wygodny?
Co się dzieje w Precision/Recall przy obniżeniu progu klasyfikatora?
Jak zbudować wysokiej jakości pulę pytań i odpowiedzi do oceny systemu?
Na czym mierzono metryki wyboru modelu (jaki zbiór danych)?
Dlaczego w NumPy robi się reshape?
Czy może mi Pan/Pani opowiedzieć o swoim doświadczeniu z systemami RAG i co zrobił/a w ostatnim projekcie?
Dlaczego teraz rozważasz nową ofertę?
Dlaczego wybrałeś dokładnie dwóch agentów? Dlaczego nie jednego lub więcej?