Machine Learning / AI

Cam câți tokeni aproximativ au fost într-o trecere end-to-end?

Ce instrument a fost folosit pentru chunking-ul structural al documentelor?

Ce model a fost folosit sub capota agentului ReAct și de ce anume l-ați ales?

Care sunt dezavantajele abordării multi-agent?

Ce este dezechilibrul de clase în NER și cum să lucrăm cu acesta?

Câți candidați au fost trimiși la reranker și câți au fost selectați după acesta?

Cum au fost combinate valorile BM25 și ale embedding-urilor dense înainte de a fi trimise la reranker (hibridizare)?

Ce tip de chunking s-a folosit și ce tip de documente erau (Word, PDF, Excel etc.)?

A fost un JSON-obiect sau un schemă JSON prin API? Care este diferența în utilizare?

De ce ați ales Qdrant ca depozit vectorial?

Vorbește-mi despre retrieval-ul hibrid în RAG — ce model ai ales pentru vectorii densi?

Care este diferența dintre un cross-encoder (ranker) și un bi-encoder?

Cum ați validat argumentele apelului funcției înainte de execuție?

Verifici apoi codul generat de instrumentul AI?

Descrieți pe scurt ce face fiecare dintre cei patru agenți ai sistemului multi-agent de la capăt la capăt.

Modelul era în propriul său contur sau se accesa printr-o API externă?

Ce înțelegi prin greșeală (în abordarea prompt)?

Ce metrici pot fi utilizate pentru evaluarea NER pe documente?

Cum ați lucrat cu interogările în depozitul vectorial (Qdrant) și impactul lor asupra latenței agentului?

Ce folosești pentru prototiparea rapidă a agenților de cod? Cum folosești AI în dezvoltare?