Machine Learning / AI
Šta može da se uradi da model ne odgovara ako u kontekstu nema informacija za odgovor na pitanje?
Kako sprečiti situaciju u kojoj mock sistem, na izmenjeno zahtev agenta, pruži nerelevantne istorijske podatke ili ne pronađe podatke za zahtev?
Kako tehnički preneti samo deo stanja u LangGraph, umesto celog stanja?
Šta je Wav2Vec 2.0 i samostalno nadzirano pretreniranje?
Koji embedding model odabrati za RAG?
Šta je over-smoothing u dubokim GNN-ovima i kako se s njim boriti?
Da li ovo sve rade različiti agenti ili različiti alati jednog agenta?
Ispričajte nam kako je uopšteno organizovan RAG pipeline: koje faze uključuje?
Kako izmeriti da li embedding model i retrieval rade ispravno?
Šta je izbor modela u odnosu na optimizaciju hiperparametara?
Šta je HOLD-OUT test dugoročnih efekata?
Šta je spekulativno dekodiranje i kako funkcioniše?
Koje karakteristike se uzimaju u obzir pri oceni kvaliteta browse-agenta (WebArena)?
Da li koristite stanje u LangGraph i da li prosleđujete celo stanje u kontekst?
Kako obraditi tabelu u dokumentu prilikom pripreme podataka za RAG?
Na kom projektu ste radili na implementaciji servisa i razvoju FastAPI servisa: to ste radili sami ili ste samo održavali i nadgledali?
Šta može da se uradi kada se tokom dužeg rada kontekst agenta postepeno popunjava?