Machine Learning / AI

Koliko je otprilike bilo tokena po prolazu end-to-end?

Koji alat je korišćen za strukturalno chunkovanje dokumenata?

Šta je neuravnoteženost klasa u NER i kako sa tim raditi?

Koje su mane multiagentnog pristupa?

Koji model je korišćen ispod haube ReAct agenta i zašto ste baš taj odabrali?

Koliko kandidata su poslali u reranker i koliko su ih uzeli posle njega?

Da li je to bio JSON objekat ili JSON šema putem API-ja? Koja je razlika u korišćenju?

Kako su vrednosti BM25 i gusti ugradni pre nego što su prosleđeni rerankeru (hibridizacija)?

Čime se razlikuje cross-encoder (ranker) od bi-encoder-a?

Koji je chunking korišćen i kakvi su to dokumenti (Word, PDF, Excel itd.)?

Zašto ste odabrali Qdrant kao vektorsko skladište?

Ispričaj mi o hibridnom retrieval-u u RAG — koji model si odabrao za dense-vektore?

Kako ste validirali argumente poziva funkcije pre izvršenja?

Да ли онда проверавате код који је генерисао ал-инструмент?

Ukratko opišite šta radi svaki od četiri agenta u multiagentnom sistemu od kraja do kraja.

Da li je model bio u svom konturu ili je išao putem spoljnog API-ja?

Šta podrazumevaš pod greškom (u pristupu sa promptom)?

Koje metrike mogu da se koriste za ocenu NER na dokumentima?

Šta koristiš za brzo prototipiranje kodnih agenata? Kako koristiš AI u razvoju?

Kako ste radili sa zahtevima u vektorskom skladištu (Qdrant) i njihovom uticaju na latenciju agenta?