Quantas ferramentas tinha o agente ReAct?
Machine Learning / AI
Qual foi o objeto do estado (TypedDict ou outro)?
Como esses quatro agentes escreviam no estado comum para não sobrescrever o estado uns dos outros?
Disse que as ferramentas eram apenas de leitura, não havia gravação no sistema?
Por que utilizaram um sistema multiagente de quatro agentes, em vez de um único agente com ferramentas (por analogia com ReAct)? Quais são as vantagens dessa divisão?
O que é o LoRA e para que serve?
Como avaliaram a qualidade da geração (não recuperação)?
Se um dos agentes cometia um erro, todo o gráfico falhava ou chegava ao agente de resumo para degradação?
Consideraram o risco de injeção de prompt no agente ReAct e como combateram isso?
Que hiperparâmetros do LoRA conheces?
Foi medido o número de tokens e a latência numa única passagem para avaliar o custo da solução?
É possível construir completamente a parte de recuperação apenas com um codificador cruzado, sem bi-encoder?
Como dividir corretamente em treino, validação e teste para NER de documentos?
Como mediram a redução do tempo de busca de informações (métrica em minutos)?
O que é o LayoutLM e como se diferencia do BERT para documentos?
Fala-me sobre a tua abordagem: como constróis a arquitetura com a ajuda de IA, como validas o código e escreves testes?
Qual ranker foi escolhido para o reranking?
Fale sobre si e sua experiência técnica relevante (projetos no domínio bancário: modelos ML, anti-fraude, RAG, sistemas multiagente).
Por que utilizaram especificamente o toolcalling nativo em vez de passar um esquema JSON no prompt?
O que era registado nos metadados dos documentos no armazenamento vetorial?