Machine Learning / AI
LLM ile teknoloji olarak çalışırken dikkate alınması gereken en az üç sınırlamayı belirtin.
Cross-encoder nedir ve onu nerede kullandınız?
İş formatını nasıl buluyorsunuz — haftada iki kez ofiste mi?
Neden bu yaklaşım seçildi (SentenceTransformer + kosinüs benzerliği)?
FROM python:3.11 COPY ./app WORKDIR /app RUN pip install torch transformers fastapi uvicorn sentence-transformers CMD ["uvicorn", "main:app", "--host", "0.0.0.0"]
Verilerde kişi başı son alışveriş nasıl bulunur?
Hata işlevselliği nasıl değiştirilebilir?
Jordan matrisi nedir?
Bunu kendiniz mi yaptınız (RAG, LoRA, sinir ağlarıyla çalışma) yoksa birine mi yardım ettiniz?
LLM üretim parametreleri hakkında bana bilgi ver: sıcaklık, top-k, top-p ve diğerleri.
1C-Rarus'taki deneyiminizden, Service Desk'teki taleplerin işlenmesinden bahsedin. Bu müşteriler için bir yardım masası mı?
Belgeli belgeli dokümanların yapısal bölümlendirmesi için hangi araç kullanıldı?
LoRA eğitimi öncesinde verilerin kalitesini ve uygunluğunu genellikle nasıl kontrol ediyorsunuz?
Uçtan uca çok ajanlı sistemdeki dört ajanın her birinin yaptığı işi kısaca açıklayın.
Uzaktan çalışma deneyiminizden bahsedin — tamamen uzaktan mıydı yoksa ofisler de var mıydı?
Neden sadece kosinüs mesafesi yerine BM25 + gömme tabanlı hibrit aramayı seçtiniz?
IP veya TК ile çalışmak sizin için daha mı uygundur?
Neden Transformer'da Batch Norm yerine Layer Norm kullanılıyor?
Diyalog tablosunda 80 milyon mesaj var ve değerlendirme seti için analitik sorgu 25 dakika sürüyor ve bazen soru-cevap çiftlerini tekrar ediyor. Öncelikle neyi düzeltirsiniz ve neden?
DocVQA nedir ve orada hangi modeller popüler?