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.
- 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
- 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.
- 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
- 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
- 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.
- 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
- 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
- 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.