Machine Learning / AI

Koľko nástrojov mal agent ReAct?

Čo bol objekt stavu (TypedDict alebo iné)?

Prečo ste použili multiagentný systém zo štyroch agentov namiesto jedného agenta s nástrojmi (podobne ako ReAct)? Aké sú výhody takéhoto rozdelenia?

Ako títo štyria agenti písali do spoločného stavu, aby si navzájom ne prepísali stavy?

Zvážili ste riziko injekcie prompt v agentovi ReAct a ako ste sa s tým vysporiadali?

Povedal si, že nástroje sú iba na čítanie — nebolo v systéme žiadne zápisovanie?

Čo sa zaznamenávalo do metadát dokumentov vo vektorovom úložisku?

Čo je LoRA a na čo je potrebná?

Ak sa jeden z agentov mýlil, celý graf zlyhal alebo sa dostal až k súhrnnemu agentovi na degradáciu?

Ako ste hodnotili kvalitu generácie (bez retrieval)?

Ako správne rozdeliť na train, validation a test pre dokumentový NER?

Je možné úplne postaviť časť vyhľadávania iba na cross-encodere, bez bi-encodera?

Aké hyperparametre LoRA poznáš?

Boli merané tokeny a latencia pri jednom prechode na oceno stroškov rešitve?

Ako merali skrátenie času vyhľadávania informácií (metrika v minútach)?

Čo je LayoutLM a ako sa líši od BERT pre dokumenty?

Povej mi o svojem pristopu: kako gradiš arhitekturo s pomočjo AI, kako validiraš kodo in pišeš teste?

Povedzte nám o sebe a vašich relevantných technických skúsenostiach (projekty v bankovníctve: ML modely, anti-fraud, RAG, multiagentné systémy).

Prečo bolo použitý práve nativný toolcalling namiesto odovzdania JSON schémy v promtu?

Aký ranker bol vybraný pre reranking?