Machine Learning / AI

Ako funguje tokenizácia? Prečo sa používajú subword tokeny namiesto celých slov?

Povedzte o BGE-M3: tri reprezentácie — hustá, riedka, multi-vektorová.

Čo sú Recall a Precision? Úloha: 50 ovocia, 30 jabĺk a 20 hrušiek, robot správne našiel 20 jabĺk, ale 15 hrušiek nesprávne identifikoval ako jablká. Vypočítajte metriky.

Poznáte LoRA a metódy ladenia?

Ako boli vybrané koeficienty pre hybridné vyhľadávanie?

Prečo ste potrebovali 12 000 párov otázka-odpoveď, keď bolo iba 15 šablón?

Prečo ste rozpoznávali dokumenty ako obrázky namiesto vytvorenia parsera?

Ako ste vytvorili testovací súbor údajov: z tých istých 12 tisíc párov alebo z nových údajov?

Povedajte nam o klastrizaciji: kakšen problem ste rešili, katero metodo ste uporabili, kako ste merili kakovost?

Čo je hustý vektor (dense embedding)? Ako sa získava? Aká je jeho veľkosť?

Ako funguje transformátor? Povedz mi o BERT a GPT.

Aké modely sa používali v každom kroku? Na extrakciu entít, na vektorové reprezentácie, na generovanie?

Čo je to cross-encoder a kde ste ho použili?

Ako ste hodnotili kvalitu RAG systému? Aké metriky ste použili?

Prečo je potrebné zmenšiť veľkosť slovníka? Čo je zlé na veľkom slovníku? V ktorej funkcii dochádza k záťaži?

Čo sa odosielalo koncovému používateľovi vo vašom systéme?

Aký je rozdiel medzi požiadavkami GET a POST?

Čo je sparse-vektor? Čím sa líši od dense?

Vysvetlite v jednoduchých slovách, ako funguje váš systém pre jedného používateľa, bez asynchrónnosti.

Pre jedného dopytu, vyhovuje jedna z 12 tisíc odpovedí alebo viac?