Викторина, связанная с руководством · Жесткий Уровень

Как стать инженером по искусственному интеллекту?

Тестирует дорожную карту обучения инженеров искусственного интеллекта, как работают конвейеры генерации с расширенным поиском и почему важна оценка извлечения и генерации по отдельности.

Вопрос 1 из 8

Чем, согласно руководству, отличается внимание инженера по искусственному интеллекту от внимания инженера по машинному обучению?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Чем, согласно руководству, отличается внимание инженера по искусственному интеллекту от внимания инженера по машинному обучению?
    • Инженеры искусственного интеллекта проектируют графические процессоры, а инженеры машинного обучения пишут подсказки.
    • Инженеры ИИ создают приложения на основе существующих базовых моделей, а инженеры ML обучают и развертывают модели.
    • Инженеры искусственного интеллекта занимаются только анализом данных и статистикой.
    • Между этими двумя ролями нет разницы
  2. Почему руководство рекомендует изучать необработанные API-интерфейсы LLM перед изучением таких фреймворков, как LangChain?
    • Использование фреймворков в коммерческих целях запрещено
    • Необработанные API всегда пишутся быстрее.
    • Фреймворки не могут вызывать LLM
    • Это значительно упрощает отладку любого фреймворка в дальнейшем.
  3. Что такое протокол контекста модели?
    • Открытый стандарт для подключения моделей к инструментам и данным.
    • Закон, регулирующий деятельность инженеров искусственного интеллекта
    • Метод сжатия весов моделей
    • Эталон для измерения точности модели
  4. Что происходит в конвейере RAG во время приема?
    • Модель переобучается по каждому вопросу пользователя.
    • Пользователи оценивают ответы от одной до пяти звезд.
    • Документы разбиваются на части, внедряются и хранятся с метаданными.
    • Система удаляет старые документы каждый день
  5. Почему система может запускать поиск по ключевым словам BM25 наряду с векторным поиском?
    • Для обнаружения точных совпадений ключевых слов, таких как имена и коды, которые могут быть пропущены при внедрении.
    • Поскольку векторный поиск не может вернуть более одного результата
    • Чтобы избежать хранения каких-либо метаданных
    • Потому что BM25 генерирует окончательный текст ответа.
  6. Что измеряет припоминание в точке k при оценке RAG?
    • Как быстро модель генерирует каждый токен
    • Появляется ли правильный фрагмент среди первых k полученных результатов
    • Сколько пользователей возвращаются в приложение через k дней
    • Количество слов в окончательном ответе
  7. Согласно руководству, откуда берут начало многие неправильные ответы RAG?
    • Интернет-соединение пользователя
    • Установленная температура модели всегда слишком низкая
    • Используемый язык программирования
    • Ошибки поиска, а не сама модель
  8. Какое заблуждение исправляет руководство относительно старта в области разработки искусственного интеллекта?
    • Эта надежная разработка программного обеспечения имеет значение
    • Оценки помогают выявить регрессии
    • Что вам нужна докторская степень или высшая математика, чтобы начать
    • Такое быстрое внедрение является проблемой безопасности.