Machine Learning / AI

Kako funkcioniše tokenizacija? Zašto se koriste subword tokeni umesto celih reči?

Pričajte o BGE-M3: tri prikaza — gusta, retka, viševektorska.

Šta su Recall i Precision? Zadatak: 50 voća, 30 jabuka i 20 krušaka, robot je tačno pronašao 20 jabuka, ali je 15 krušaka pogrešno prepoznato kao jabuke. Izračunajte metrike.

Да ли сте упознати са LoRA и методима фине-тюнинга?

Kako su odabrani koeficijenti za hibridno pretraživanje?

Zašto vam je bilo potrebno 12.000 parova pitanje-odgovor ako je bilo samo 15 šablona?

Zašto ste prepoznali dokumente kao slike, a niste napravili parser?

Kako ste formirali skup podataka za testiranje: iz istih 12 hiljada parova ili iz novih podataka?

Ispričajte nam o klasterizaciji: koju ste zadatak riješili, koju metodu koristili, kako ste mjerili kvalitetu?

Kako ste ocenili kvalitet RAG sistema? Koje metrike ste koristili?

Šta je gust vektor (dense embedding)? Kako se dobija? Koje je njegove veličine?

Kako radi transformator? Pričaj mi o BERT i GPT.

Koji modeli su korišćeni u svakoj fazi? Za izdvajanje entiteta, za vektorizaciju, za generisanje?

Zašto je potrebno smanjiti veličinu rečnika? Šta je loše kod velikog rečnika? U kojoj funkciji dolazi do opterećenja?

Šta je cross-encoder i gde ste ga koristili?

Šta je sparse vektor? Čime se razlikuje od dense vektora?

Šta se slalo krajnjem korisniku u vašem sistemu?

Koja je razlika između GET i POST zahteva?

Za jedan zahtev odgovara li jedna od 12 hiljada odgovora ili više?

Objasnite jednostavnim rečima kako funkcioniše vaš sistem za jednog korisnika, bez asinhronosti.