AI Large Model 333 Questions Backup List
Ovaj dokument čuva samo rezervnu listu pitanja o AI velikim modelima, kako bi se kasnije olakšalo proveravanje pokrivenosti znanja, popunjavanje i proširenje; ne sadrži rešenja odgovora.
Lista pitanja
1. Šta je Word Embedding? Koje su uobičajene metode ugrađivanja reči?
Srednje | #5097 | NLP / Word Embedding / Word2Vec
2. Da li ste trenirali podatke pomoću Word2Vec? Tokom ovog procesa, kako pribavljate korpus? Kako birate hiperparametre? Kako se određuju korpus, vokabular i veličina dimenzija? Kako kontrolišete trajanje treninga?
Teško | #5098 | NLP / Word Embedding / Word2Vec
3. Koje metode ubrzanja ima Word2Vec?
Teško | #5099 | NLP / Word Embedding / Word2Vec
4. Kako Word2Vec dobija Word Vectors? Kako se procenjuje kvalitet tako istreniranih Word Vectors?
Srednje | #5100 | NLP / Word Embedding / Word2Vec / Word Vectors
5. Objasnite proces hierarchical softmax i koje su njegove prednosti.
Teško | #5101 | NLP / Word Embedding / Word2Vec / hierarchical softmax
6. Recite nešto o primeni Negative Sampling tehnike u Word2Vec.
Srednje | #5102 | NLP / Word Embedding / Word2Vec / Negative Sampling
7. Za koje scenarije primene su CBOW i Skip-gram pogodniji?
Srednje | #5103 | NLP / CBOW / Skip-gram
8. Recite nešto o GloVE tehnologiji, kako se trenira? Koje scenarije primene ima? Koje prednosti i mane ima u poređenju sa Word2Vec?
Teško | #5104 | NLP / Word2Vec / GloVE
9. Recite nešto o FastText tehnologiji, da li je bolja od Word2Vec? U kojim slučajevima je pogodnije koristiti FastText?
Teško | #5105 | NLP / Word2Vec / FastText
10. Pričajmo o ELMo tehnologiji, koje su njene prednosti i mane? Da li može da obradi višeznačnost reči? Zašto?
Teško | #5106 | NLP / ELMo
11. Recite nešto o osnovnim principima LSTM.
Lako | #5107 | NLP / LSTM
12. U poređenju sa RNN, kako LSTM rešava problem Vanishing Gradient?
Srednje | #5108 | NLP / LSTM / RNN / Vanishing Gradient
13. Objasnite osnovne komponente LSTM ćelije (LSTM cell) i njihove pojedinačne uloge.
Srednje | #5109 | NLP / LSTM
14. U LSTM-u, koja je razlika između hidden state-a i cell state-a?
Srednje | #5110 | NLP / LSTM
15. Koja je razlika između LSTM i GRU?
Srednje | #5111 | NLP / LSTM / GRU
16. Molimo objasnite primenu LSTM i GRU mreža u obradi sekvencijskih podataka.
Srednje | #5112 | NLP / LSTM / GRU
17. Šta je Attention mehanizam? Kako poboljšava performanse NLP modela?
Srednje | #5113 | NLP / Attention Mechanism
18. Molimo opišite arhitekturu i scenarije primene BERT modela.
Srednje | #5114 | NLP / BERT
19. Kako BERT tretira neobične ili retke reči u tekstu na prirodnom jeziku?
Srednje | #5115 | NLP / BERT
20. Kakva poboljšanja postoje od Word2Vec do BERT-a?
Srednje | #5116 | NLP / BERT / Word2Vec
21. Kako BERT radi maskiranje i koja je razlika u poređenju sa CBOW?
Srednje | #5117 | NLP / BERT / CBOW
22. Koje metode imate da bolje rešite ograničenje dužine ulaza u BERT?
Teško | #5118 | NLP / BERT
23. Recite kako ste efikasno optimizovali i fino podesili BERT za određene NLP zadatke na kojima ste radili.
Teško | #5119 | NLP / BERT
24. Kako uporediti sličnost teksta?
Lako | #5120 | NLP / Text Classification
25. Da li se Support Vector Machine može koristiti za zadatke tekstne klasifikacije? Ako može, molimo objasnite.
Lako | #5121 | NLP / Text Classification / Support Vector Machine
26. U zadacima tekstne klasifikacije, kako se tretiraju visoko-dimenzionalni i retki podaci?
Srednje | #5122 | NLP / Text Classification
27. U zadacima tekstne klasifikacije, kako se rešava problem nebalansiranosti uzoraka (klasa)?
Srednje | #5123 | NLP / Text Classification
28. Sa kojim izazovima se mogu susresti postojeći algoritmi tekstne klasifikacije pri obradi višejezičnih tekstualnih podataka?
Srednje | #5124 | NLP / Text Classification
29. Ukratko opišite kako se Word Embedding može primeniti u zadacima tekstne klasifikacije.
Srednje | #5125 | NLP / Text Classification / Word Embedding
30. Ukratko opišite osnovne principe LLaMA-e (Large Language Model Meta AI).
Srednje | #5126 | NLP / Large Language Model
31. U LLaMA modelu, da li dužina ulazne rečenice može teorijski biti beskonačno duga?
Teško | #5127 | NLP / Large Language Model
32. Da li poznajete Rotary Positional Encoding u LLaMA-i?
Srednje | #5128 | NLP / Large Language Model / Rotary Positional Encoding
33. Koje praktične primene ima LLaMA?
Lako | #5129 | NLP / Large Language Model
34. Pričajmo o arhitekturi i osnovnim principima Transformer-a.
Srednje | #5178 | Transformer
35. Koje probleme RNN-a rešava korišćenje Transformer-a?
Lako | #5179 | Transformer / RNN
36. Koji deo Transformer-a zauzima najviše memorije grafičke kartice?
Srednje | #5180 | Transformer
37. Kako izgleda Positional Encoding u Transformer-u?
Lako | #5181 | Transformer / Positional Encoding
38. Kada izračunava attention, da li Transformer koristi skalarni proizvod ili sabiranje? Molimo obrazložite.
Srednje | #5182 | Transformer
39. Čemu služe K i Q u Self-Attention?
Lako | #5183 | Transformer / Self-Attention
40. Da li K i Q mogu koristiti istu vrednost dobijenu skalarnim proizvodom sa samim sobom?
Srednje | #5184 | Transformer
41. Ako K i Q postanu ista matrica, kakav uticaj mislite da će to imati na performanse modela?
Teško | #5185 | Transformer
42. Zašto Transformer usvaja Multi-Head Attention?
Srednje | #5186 | Transformer / Self-Attention / Multi-Head Attention
43. Bez obzira na količinu izračunavanja, može li broj head-ova rasti neograničeno?
Srednje | #5187 | Transformer / Multi-Head Attention
44. Pri izvođenju Multi-Head Attention-a, da li je potrebno smanjiti dimenzionalnost za svaki head?
Srednje | #5188 | Transformer / Multi-Head Attention
45. Izložite svoje razumevanje Encoder modula Transformer-a.
Srednje | #5189 | Transformer / Encoder
46. U Transformer-u, da li je Multi-Head Self-Attention u Decoder fazi isti kao u Encoder fazi?
Srednje | #5190 | Transformer / Encoder / Decoder / Multi-Head Self-Attention
47. Da li poznajete Gradient Clipping u treningu Transformer modela?
Srednje | #5191 | Transformer / Gradient Clipping
48. Zašto Transformer koristi Layer Normalization umesto Batch Normalization?
Srednje | #5192 | Transformer / Normalization
49. Kakav je princip rada Attention Masking-a u Transformer-u?
Srednje | #5193 | Transformer / Attention Masking
50. Šta je Autoregressive Property (autoregresivno svojstvo)?
Srednje | #5194 | Transformer / Autoregressive Property
51. Kako se u Transformer-u implementira mapiranje sekvence u sekvencu?
Srednje | #5195 | Transformer / Encoder-Decoder
52. Da li Residual Connection u Transformer-u može ublažiti problem Vanishing Gradient?
Srednje | #5196 | Transformer / Residual Connection / Vanishing Gradient
53. U Transformer-u, kako se tretiraju veliki skupovi podataka?
Srednje | #5197 | Transformer
54. Nakon završetka treninga Transformer modela, kako se procenjuju njegove performanse i efekti?
Srednje | #5198 | Transformer
55. Gde se nalazi usko grlo performansi Transformer modela?
Srednje | #5199 | Transformer
56. Kako mislite da se može ublažiti ovo usko grlo performansi?
Teško | #5200 | Transformer
57. Koje su razlike između Transformer-a i LLM-a?
Lako | #5201 | Transformer / LLM
58. Da li poznajete ViT (Vision Transformer)?
Srednje | #5202 | Vision Transformer
59. Da li poznajete ViLT (Vision-and-Language Transformer)?
Teško | #5203 | ViLT
60. Kako ViLT model primenjuje Transformer na zadatke prepoznavanja slika?
Srednje | #5204 | ViLT / Image Recognition
61. Koja je strukturna razlika između chatGLM-a i GPT-a?
Srednje | #5205 | Transformer / Language Model
62. Molimo objasnite princip Fine-tuning-a velikih modela i u kojim poslovnim scenarijima je potreban Fine-tuning umesto direktne upotrebe osnovnog modela?
Lako | #11326 | Large Model
63. Šta je Vector Database? U razvoju aplikacija zasnovanih na velikim modelima, koji problem Vector Database pretežno rešava?
Srednje | #11327 | Large Model
64. Objasnite koncepte Chain i Agent u LangChain okviru i navedite primere njihovih scenarija primene.
Srednje | #11328 | Large Model
65. Šta su Emergent Abilities velikih modela? Nabrojite tri tipične manifestacije i objasnite njihove moguće uzroke.
Srednje | #11329 | Large Model
66. Da biste naterali AI da generiše Vue3 komponentu sa validacijom forme, molimo napišite Prompt koji sadrži sledeće elemente.
Srednje | #11340 | Large Model
67. Pretpostavimo da treba da veliki model generiše kod React forme komponente; molimo dizajnirajte Prompt koji sadrži kontekstna ograničenja (mora uključivati zahteve kao što su validacija podataka, poruke o greškama itd.).
Srednje | #11341 | Large Model
68. Molimo opišite ključne tehničke komponente i korake implementacije za izgradnju sistema za pitanja i odgovore nad dokumentima pomoću LangChain-a.
Srednje | #11342 | Large Model
69. Pretpostavimo da treba razviti sistem za inteligentnu klasifikaciju tiketa; molimo razložite delove u kojima AI može učestvovati i obrazložite pristup izboru tehnologija.
Srednje | #11343 | Large Model
70. Kada je potrebno obraditi ograničenje ultra-dugog Context Window-a velikog modela, koja su izvodljiva inženjerska rešenja?
Srednje | #11344 | Large Model
71. Praktična vežba uživo: dat je API dokument koji sadrži data Schema, molimo iskoristite AI alate da u roku od 15 minuta generišete CRUD interfejs kod u skladu sa RESTful specifikacijom i objasnite ključnu logiku implementacije.
Srednje | #11345 | Large Model
72. Molimo, na primerima pokažite koje funkcije u sistemu e-trgovine odgovaraju direktnoj upotrebi velikih modela, a koje zahtevaju kombinaciju sa inženjerskim pristupima.
Teško | #11346 | Large Model
73. Pretpostavimo da ste zaduženi za dizajn sistema za medicinske konsultacije; kako izbalansirati rizik AI halucinacija sa povećanjem efikasnosti? Koja tehnička sredstva su potrebna?
Teško | #11347 | Large Model
74. Prilikom dizajniranja inteligentnog sistema korisničke podrške, kako rešiti long-tail probleme kroz izgradnju baze znanja? Molimo opišite konkretne korake implementacije.
Teško | #11349 | Large Model
75. Kada latencija odgovora API-ja velikog modela premaši 1 sekundu, koje strategije optimizacije frontend može preduzeti da obezbedi korisničko iskustvo?
Srednje | #11351 | Large Model
76. Pri korišćenju LangChain-a, kako implementirati dinamičku dodelu težina za rezultate povratnog pretraživanja sa više kanala?
Srednje | #11352 | Large Model
77. Kada se Context Window velikog modela proširi na milion tokena, u kojim postojećim poslovnim scenarijima može doći do kvalitativne promene?
Srednje | #11354 | Large Model
78. Kada otkrijete da rezultati pretraživanja RAG sistema ne odgovaraju nameri korisničkog query-ja, koji su mogući pravci poboljšanja?
Srednje | #11355 | Large Model
79. Prilikom implementacije RAG sistema pomoću LangChain-a, kako rešiti problem pretraživanja podataka iz tabela u PDF dokumentima?
Srednje | #11356 | Large Model
80. Šta je RAG? Koji je glavni tok RAG-a?
Lako | #11451 | AI / Large Model / RAG
81. Šta je Rerank u RAG-u? Konkretno, kako se radi?
Srednje | #11456 | AI / Large Model / RAG
82. Šta je Hybrid Search? U razvoju aplikacija zasnovanih na velikim modelima, koji problem Hybrid Search pretežno rešava?
Srednje | #11464 | AI / Large Model / RAG
83. Kakav je kompletan tok RAG-a?
Lako | #11469 | AI / Large Model / RAG
84. U RAG aplikacijama, radi optimizacije preciznosti pretraživanja, kako se radi čišćenje podataka i predobrada?
Srednje | #11471 | AI / Large Model / RAG
85. Šta je Query Expansion? Zašto je Query Expansion potreban u RAG aplikacijama?
Srednje | #11480 | AI / Large Model / RAG
86. Šta je Self-Query? Zašto je Self-Query potreban u RAG-u?
Lako | #11481 | AI / Large Model / RAG
87. Šta je Prompt Compression? Zašto je Prompt Compression potrebna u RAG-u?
Lako | #11486 | AI / Large Model / RAG
88. Kako se vrši evaluacija efekata nakon RAG štelovanja? Molimo navedite standarde i metode evaluacije efekata koji se koriste u stvarnim scenarijima primene.
Srednje | #11529 | AI / Large Model / RAG
89. Šta je chunking u RAG-u? Zašto je chunking potreban?
Lako | #11532 | AI / Large Model / RAG
90. U RAG-u, koje su uobičajene chunking strategije? Koje su razlike među njima?
Lako | #11534 | AI / Large Model / RAG
91. Šta je Embedding u RAG-u?
Lako | #11535 | AI / Large Model / RAG
92. U RAG-u, koje Embedding Model-e poznajete?
Lako | #11549 | AI / Large Model / RAG
93. U RAG-u, kako birate Embedding Model, koje faktore treba razmotriti?
Srednje | #11550 | AI / Large Model / RAG
94. U RAG-u, kako radite parsiranje dokumenata u toku indeksiranja?
Srednje | #11551 | AI / Large Model / RAG
95. Koje Vector Database-e poznajete? Kako vršiti izbor?
Srednje | #11554 | AI / Large Model
96. Koji je princip Vector Database-a? Molimo ukratko opišite njegov princip.
Srednje | #11567 | AI / Large Model / RAG / Vector Database
97. Šta znače HNSW, LSH, PQ u Vector Database-u?
Srednje | #11568 | AI / Large Model / RAG / Vector Database
98. Šta je ANN u Vector Database-u? Zašto je potreban?
Srednje | #11570 | AI / Large Model / RAG / Vector Database
99. Koji su radni tokovi Vector Database-a? Molimo ukratko opišite.
Srednje | #11571 | AI / Large Model / RAG / Vector Database
100. Šta je MCP protokol, koja je njegova uloga u sistemima AI velikih modela?
Lako | #11573 | Large Model / AI / MCP / Protocol Principles / System Design / Scenario Question
101. Koje ključne komponente sadrži MCP arhitektura?
Lako | #11574 | Large Model / AI / MCP / System Architecture
102. Koja dva režima podržava MCP protokol?
Lako | #11575 | Large Model / AI / MCP / Protocol Design
103. Koja je razlika između MCP-ja i Function Calling-a?
Lako | #11576 | Large Model / AI / MCP / Function Calling
104. Kakav je radni tok MCP-ja?
Lako | #11577 | Large Model / AI / MCP / Protocol Principles
105. Kako integrisati MCP u Spring AI okviru?
Lako | #11578 | Large Model / AI / MCP / Spring / Spring AI / Java
106. Koje nivoe obuhvata bezbednosni dizajn MCP protokola?
Lako | #11579 | Large Model / AI / MCP / Security
107. Kako pretvoriti postojeću aplikaciju u MCP servis?
Lako | #11580 | Large Model / AI / MCP / Development Practice
108. Šta je Fine-tuning velikih modela? Koja je suštinska razlika u odnosu na Pre-training?
Lako | #11581 | Large Model / AI / Fine-tuning / Pre-training
109. Koji su uobičajeni Fine-tuning zadaci?
Lako | #11582 | Large Model / AI / Fine-tuning
110. Koje su uobičajene Fine-tuning metode?
Lako | #11583 | Large Model / AI / Fine-tuning
111. Šta je PEFT? Zašto je PEFT potreban?
Srednje | #11584 | Large Model / AI / Fine-tuning / PEFT
112. Koja je suštinska ideja PEFT-a? Nabrojite 3 tipične metode.
Srednje | #11585 | Large Model / AI / Fine-tuning / PEFT
113. Koja je razlika između PEFT-a i punog Fine-tuning-a?
Srednje | #11586 | Large Model / AI / Fine-tuning / PEFT
114. Prilikom Fine-Tuning-a, kako odabrati odgovarajući Pre-trained Model?
Srednje | #11587 | Large Model / AI / Fine-tuning / Pre-trained Model
115. Koji se optimizatori uobičajeno koriste u Fine-tuning-u?
Srednje | #11588 | Large Model / AI / Fine-tuning / Optimizer
116. Kako oceniti da li efekat Fine-tuning-a dostiže očekivanja?
Srednje | #11589 | Large Model / AI / Fine-tuning / Evaluation Metrics
117. Predstavite prednosti i mane nekoliko uobičajenih Fine-tuning strategija.
Srednje | #11590 | Large Model / AI / Fine-tuning / Training Strategy
118. Šta je LoRA tehnologija? Kako kombinovati LoRA za Fine-tuning?
Teško | #11591 | Large Model / AI / Fine-tuning / LoRA / PEFT
119. Kako ublažiti rizik od overfitting-a u Fine-tuning-u kroz regularizaciju?
Teško | #11592 | Large Model / AI / Fine-tuning
120. Molimo detaljno diskutujte kako sprečiti problem katastrofalnog zaboravljanja pri Fine-tuning-u.
Teško | #11593 | Large Model / AI / Fine-tuning
121. U multimodalnom Fine-tuning-u (npr. generisanje slike iz teksta), kako osigurati kvalitet usklađivanja tekstualnih i slikovnih podataka?
Teško | #11594 | Large Model / AI / Fine-tuning / Multimodal
122. U Vector Database-u, uobičajene metode pretrage vektora: kosinusna sličnost, euklidsko rastojanje i Menhetn rastojanje — šta su? Koje su razlike?
Srednje | #11595 | AI / Large Model / RAG / Vector Database
123. Tokom RAG aplikacije, da li imate uvida i saveta o dizajnu Prompt Engineering-a?
Srednje | #11605 | AI / Large Model / RAG / Prompt Engineering
124. Šta je Advanced RAG?
Srednje | #11607 | AI / Large Model / RAG
125. Šta je Modular RAG?
Srednje | #11608 | AI / Large Model / RAG
126. Šta je guardrail tehnologija?
Lako | #11626 | AI / Large Model
127. Šta je GPTCache?
Lako | #11627 | AI / Large Model
128. Šta je GPT Structured Outputs?
Lako | #11628 | AI / Large Model
129. Šta je LangChain?
Lako | #11629 | AI / Large Model / LangChain
130. Šta je LangGraph?
Lako | #11630 | AI / Large Model / LangChain / LangGraph
131. Kakav je princip LangGraph orkestracije?
Lako | #11633 | AI / Large Model / LangChain / LangGraph
132. Koja je razlika između LangChain-a i LangGraph-a?
Lako | #11634 | AI / Large Model / LangChain / LangGraph
133. Šta je Manus? Recite šta znate o njemu.
Lako | #11635 | AI / Large Model / Manus
134. Šta je Computer Use? Opišite njegov princip.
Srednje | #11636 | AI / Large Model
135. Šta je ReAct? Opišite njegov princip.
Lako | #11637 | AI / Large Model
136. U aplikacijama velikih modela, kako se obično implementira mehanizam dugoročne i kratkoročne memorije?
Srednje | #11639 | AI / Large Model
137. Koja je razlika između Copilot režima i Agent režima?
Srednje | #11640 | AI / Large Model
138. Kako PEFT smanjuje troškove izračunavanja?
Teško | #11641 | Large Model / AI / Fine-tuning
139. Koja je uloga frozen layer-a u Fine-tuning-u?
Teško | #11642 | Large Model / AI / Fine-tuning
140. Zašto je potreban trening sa mešovitom preciznošću?
Teško | #11643 | Large Model / AI / Fine-tuning
141. Kako rešiti problem ponavljanja izlaza modela i halucinacija kroz Fine-tuning?
Teško | #11644 | Large Model / AI / Fine-tuning
142. Kako konstruisati podatke za SFT instrukcioni Fine-tuning?
Teško | #11645 | Large Model / AI / Fine-tuning
143. Koje su prednosti instrukcionog Fine-tuning-a?
Teško | #11646 | Large Model / AI / Fine-tuning
144. Šta je Agent velikog modela? Čime se razlikuje od tradicionalnih AI sistema?
Lako | #11647 | Large Model / AI / Agent
145. Od kojih komponenti se sastoji osnovna arhitektura LLM Agent-a?
Lako | #11648 | Large Model / AI / Agent
146. Koje uobičajene funkcije ima LLM Agent?
Lako | #11649 | Large Model / AI / Agent
147. Kakav je proces rada Agent-a?
Srednje | #11650 | Large Model / AI / Agent
148. Kako obezbediti LLM Agent-u sposobnost dugoročne memorije?
Teško | #11651 | Large Model / AI / Agent
149. Kako LLM Agent vrši dinamičke API pozive?
Srednje | #11652 | Large Model / AI / Agent
150. Kako LLM Agent izvodi rezonovanje u multimodalnim zadacima?
Teško | #11653 | Large Model / AI / Agent
151. Koji LLM Agent okviri su zastupljeni na tržištu? Koje su njihove karakteristike?
Lako | #11654 | Large Model / AI / Agent
152. Koje su ključne komponente LangChain-a?
Srednje | #11656 | Large Model / AI / Agent / LangChain
153. Kakva je osnovna arhitektura LangChain-a?
Srednje | #11657 | Large Model / AI / Agent / LangChain
154. Šta je LangChain Agent?
Lako | #11658 | Large Model / AI / Agent / LangChain
155. Šta je LangChain model?
Lako | #11659 | Large Model / AI / Agent / LangChain
156. Kako se LlamaIndex kombinuje sa LangChain-om?
Teško | #11660 | Large Model / AI / Agent / LangChain / LlamaIndex
157. Kako AutoGPT implementira autonomno donošenje odluka?
Teško | #11661 | Large Model / AI / Agent / LangChain / AutoGPT
158. Šta je A2A protokol, koja je njegova osnovna arhitektura i glavne komponente?
Srednje | #11662 | Large Model / AI / A2A / System Architecture
159. Koja su pet glavnih principa dizajna A2A protokola?
Srednje | #11663 | Large Model / AI / A2A / System Architecture
160. Kakav je princip rada A2A protokola?
Lako | #11664 | Large Model / AI / A2A / Tech Stack
161. Kakav je radni tok A2A protokola?
Lako | #11665 | Large Model / AI / A2A
162. Na šta se odnosi strukturirani izlaz velikih modela?
Lako | #11666 | AI / Large Model
163. Kakav je odnos između A2A protokola i MCP protokola?
Srednje | #11667 | Large Model / AI / A2A / MCP
164. Šta je Google ADK?
Lako | #11715 | AI / Large Model
165. Šta je Spring AI okvir? Koje ključne osobine ima?
Lako | #11757 | Backend
166. Kako u projektu AI super-agenta koristite Spring AI za razvoj aplikacija? Koje ste osobine koristili?
Lako | #11758 | Backend
167. Kako implementirati integraciju programa sa AI velikim modelima? Koji načini postoje?
Lako | #11759 | Backend
168. Kako implementirati funkciju AI više-turnusnog dijaloga? Kako rešiti problem perzistencije memorije dijaloga?
Srednje | #11761 | Backend
169. Šta je strukturirani izlaz? Kako Spring AI implementira strukturirani izlaz?
Srednje | #11763 | Backend
170. Šta je Re-Reading? Kako na osnovu Spring AI implementirati Re-Reading Advisor?
Srednje | #11764 | Backend
171. Kakav je tok obrade dokumenata u RAG-u?
Srednje | #11766 | Backend
172. Šta je Query Rewriting? Koja mu je uloga? Kako na osnovu Spring AI implementirati Query Rewriting?
Srednje | #11773 | Backend
173. Šta je kontekstualno proširenje upita? Koja mu je uloga? Kako na osnovu Spring AI implementirati kontekstualno proširenje upita za obradu nebitnih pitanja?
Srednje | #11775 | Backend
174. Šta je modularna RAG arhitektura koju predlaže Spring AI? Za šta su odgovorne faze pre-traženja, traženja i posle-traženja?
Srednje | #11776 | Backend
175. Šta je Tool Calling? Kako iskoristiti Spring AI za implementaciju Tool Calling-a?
Srednje | #11777 | Backend
176. Šta je ReAct? Kako na osnovu ReAct režima izgraditi AI agenta sa sposobnošću autonomnog planiranja?
Teško | #11787 | Backend
177. Šta je OpenManus? Koji je njegov princip implementacije?
Teško | #11788 | Backend
178. Šta je CoT Chain-of-Thought? Kako implementirati CoT Chain-of-Thought?
Teško | #11790 | Backend
179. Kako obezbediti performanse i stabilnost AI aplikacija?
Srednje | #11795 | Backend
180. Koje tehnike postoje za dizajn i optimizaciju Prompt-a? Molimo navedite primere.
Srednje | #11802 | General
181. Kako optimizovati efekat RAG pretraživanja?
Teško | #11803 | General
182. Šta su CoT Chain-of-Thought i ReAct režim? Kako poboljšavaju AI sposobnost rezonovanja?
Teško | #11804 | General
183. Koje su prednosti i mane lokalnog deploy-ovanja velikih modela u poređenju sa pozivanjem velikih modela u oblaku?
Teško | #11805 | General
184. Kako testirati i evaluirati AI aplikacije?
Teško | #11806 | General
185. Koje dimenzije obuhvata optimizacija prompt-a? Koja polja imaju vaši prompt šabloni?
Srednje | #11856 | AI / Large Model
186. Imate više baza znanja; prilikom rada RAG-a, kako obezbediti kompromis između efikasnosti upita i tačnosti, i što je moguće više smanjiti halucinacije?
Srednje | #11857 | AI / Large Model / RAG
187. Da li ste se susretali sa problemom Agent beskonačne petlje? Kako ga rešiti?
Srednje | #11859 | Backend / AI / Large Model / Scenario Question
188. Ako je kapacitet obrade LLM-a GPU klastera 1000 tokena/s, da li onda pri istovremenom pristupu 1000 korisnika performansa za svakog korisnika iznosi samo 1 token/s? Kako analizirati usko grlo performansi?
Srednje | #11871 | Backend / Scenario Question / Large Model
189. Šta je RAG Retrieval Augmented Generation? Koje probleme velikih modela rešava?
Lako | #12643 | RAG / RAG Basics
190. Kakav je kompletan radni tok RAG-a? Koji su ključni koraci?
Lako | #12644 | RAG / RAG Flow
191. Šta je Embedding vektorizacija u RAG-u? Kako radi?
Lako | #12645 | RAG / Embedding
192. Zašto RAG-u treba Vector Database? Koja je razlika u odnosu na tradicionalne baze podataka?
Lako | #12646 | RAG / Vector Database
193. Koja je razlika između RAG-a i Fine-tuning-a modela? Kako birati?
Lako | #12647 | RAG / Fine-tuning
194. Kako se izračunava tekstualna sličnost u RAG-u? Koji su uobičajeni algoritmi?
Lako | #12648 | RAG / Similarity Calculation
195. Zašto RAG sistem radi Document Splitting? Koje strategije Splitting-a postoje?
Lako | #12649 | RAG / Document Splitting
196. Šta znači Top-K u RAG pretraživanju? Kako se određuje vrednost K?
Lako | #12650 | RAG / Top-K
197. Kako odabrati odgovarajući Embedding model za RAG sistem?
Srednje | #12651 | RAG / Embedding Model Selection
198. Kako RAG sistem tretira dokumente različitih formata kao što su PDF, Word, Markdown?
Srednje | #12652 | RAG / Document Processing
199. Kako postaviti chunk_size i overlap za Document Splitting u RAG-u?
Srednje | #12653 | RAG / Document Splitting Params
200. Kako izgraditi i koristiti Vector Index? Koja je razlika između HNSW i IVF?
Srednje | #12654 | RAG / Vector Index
201. Šta je RAG Hybrid Search? Kako kombinovati pretragu vektora i pretragu ključnih reči?
Srednje | #12655 | RAG / Hybrid Search
202. Kako postaviti Similarity Threshold pri RAG pretraživanju? Kakav je uticaj ako se nepravilno postavi?
Srednje | #12656 | RAG / Similarity Threshold
203. Kako RAG sistem koristi Metadata Filtering za poboljšanje preciznosti pretraživanja?
Srednje | #12657 | RAG / Metadata Filtering
204. Kako dizajnirati Prompt u RAG-u da bi se efikasno iskoristili pretraženi dokumenti?
Srednje | #12658 | RAG / Prompt Design
205. Kako obraditi situaciju kada RAG ne pronađe relevantne dokumente?
Srednje | #12659 | RAG / Retrieval Failure Handling
206. Kako RAG sistem označava izvore informacija i pruža citate?
Srednje | #12660 | RAG / Citation Annotation
207. Kako implementirati incremental update Vector Database-a u RAG-u?
Srednje | #12661 | RAG / Incremental Update
208. Kako odabrati Vector Database za RAG projekat? Kako birati između Milvus, Pinecone, Chroma?
Srednje | #12662 | RAG / Vector DB Selection
209. Šta je Query Rewriting u RAG-u? Kako optimizovati efekat pretraživanja?
Teško | #12663 | RAG / Query Rewriting
210. Zašto RAG-u treba Reranking? Kako ga implementirati?
Teško | #12664 | RAG / Reranking
211. Kako evaluirati efekat RAG sistema? Koje metrike posmatrati za pretraživanje i generisanje?
Teško | #12665 | RAG / Evaluation
212. Kako smanjiti problem halucinacija u RAG sistemu? Koje praktične metode postoje?
Teško | #12666 | RAG / Hallucination
213. Kako RAG sistem optimizuje performanse i smanjuje troškove u produkciji?
Teško | #12667 | RAG / Performance Optimization
214. Šta je Prompt Engineering? Koja je njegova ključna vrednost?
Lako | #12999 | Prompt / Prompt Engineering Basics
215. Koje delove uključuje osnovna struktura Prompt-a?
Lako | #13000 | Prompt / Prompt Structure
216. Šta je Token? Kako izračunati i kontrolisati broj Token-a?
Lako | #13001 | Prompt / Token
217. Šta je Context Window? Koja su njegova ograničenja?
Lako | #13002 | Prompt / Context Window
218. Kako naterati AI da izdaje sadržaj u zadatom formatu, kao što su JSON, tabele, Markdown?
Lako | #13003 | Prompt / Format Control
219. Šta je Role Playing? Kako se koristi u prompt-ima?
Lako | #13004 | Prompt / Role Playing
220. Koja je uloga Delimiters-a u prompt-ima? Kako se koriste?
Lako | #13005 | Prompt / Delimiters
221. Kako postaviti Constraints i zahteve za izlaz u prompt-ima?
Lako | #13006 | Prompt / Constraints
222. Šta je System Prompt? Koja je razlika u odnosu na korisničke prompt-e?
Lako | #13007 | Prompt / System Prompt
223. Šta je Few-shot Learning? Koja je razlika između Zero-shot, One-shot, Few-shot?
Srednje | #13008 | Prompt / Few-shot Learning
224. Kako odabrati i dizajnirati Few-shot primere da bi se poboljšao efekat?
Srednje | #13009 | Prompt / Few-shot Example Design
225. Šta je CoT Chain-of-Thought? Koji je njegov princip rada?
Srednje | #13010 | Prompt / CoT Chain-of-Thought
226. Koja je razlika između Zero-shot CoT i Few-shot CoT? Za koje scenarije je koji pogodan?
Srednje | #13011 | Prompt / CoT Types
227. Kako naterati AI da razmišlja korak po korak da bi se poboljšala sposobnost rezonovanja?
Srednje | #13012 | Prompt / Reasoning Guidance
228. Šta je Self-Consistency? Kako se primenjuje?
Srednje | #13013 | Prompt / Self-Consistency
229. Kako dizajnirati prompt-e da bi se smanjio problem AI halucinacija?
Srednje | #13014 | Prompt / Hallucination
230. Koju ulogu imaju parametri temperature i top_p? Kako odabrati odgovarajuće vrednosti?
Srednje | #13015 | Prompt / Model Parameters
231. Šta je Prompt Template? Kako dizajnirati višekratno upotrebljiv Prompt Template?
Srednje | #13016 | Prompt / Prompt Template
232. Kako pomoću prompt-a implementirati Task Decomposition?
Srednje | #13017 | Prompt / Task Decomposition
233. Šta je Negative Prompt? U kojim scenarijima se koristi?
Srednje | #13018 | Prompt / Negative Prompt
234. Kako optimizovati predugačke prompt-e? Koje tehnike Prompt Compression-a postoje?
Srednje | #13019 | Prompt / Prompt Compression
235. Šta je Prompt Chaining? Kako se implementira?
Srednje | #13020 | Prompt / Prompt Chaining
236. Kako dizajnirati Domain-Specific Prompts za različite domene? Na primer programiranje, kreativno pisanje, analiza podataka.
Srednje | #13021 | Prompt / Domain-Specific Prompts
237. Kako naterati AI da radi Self-Reflection i iterativnu optimizaciju?
Srednje | #13022 | Prompt / Self-Reflection
238. Kako sistematski evaluirati i optimizovati efekat prompt-a?
Teško | #13023 | Prompt / Effect Evaluation
239. Šta je prompt injection napad? Kako se odbraniti?
Teško | #13024 | Prompt / Security
240. Kako sprovesti A/B Testing i iteraciju prompt-a u stvarnim projektima?
Teško | #13025 | Prompt / A/B Testing
241. Kako rešavati uobičajene probleme u optimizaciji prompt-a? Na primer netačan izlaz, nepotpun izlaz, greške u formatu.
Teško | #13026 | Prompt / Problem Diagnosis
242. Šta je Tree of Thoughts? Koje prednosti ima u odnosu na CoT?
Teško | #13027 | Prompt / Tree of Thoughts
243. Kako kombinovati RAG i Fine-tuning da bi se poboljšao efekat prompt-a?
Teško | #13028 | Prompt / RAG / Fine-tuning
244. Šta je LangChain? Koji problem uglavnom rešava?
Lako | #13029 | LangChain / LangChain Basics
245. Šta je Chain u LangChain-u? Koji uobičajeni tipovi postoje?
Lako | #13030 | LangChain / Chain Chaining
246. Šta je Agent u LangChain-u? Koja je razlika u odnosu na Chain?
Srednje | #13031 | LangChain / Agent
247. Koja je uloga Memory komponente u LangChain-u? Koji uobičajeni Memory tipovi postoje?
Srednje | #13032 | LangChain / Memory Mechanism
248. Kako implementirati Streaming Output u LangChain-u?
Srednje | #13033 | LangChain / Streaming Output
249. Kako definisati prilagođeni Tool u LangChain-u?
Srednje | #13034 | LangChain / Tool
250. Šta je RAG? Kako implementirati RAG aplikaciju u LangChain-u?
Srednje | #13035 | LangChain / RAG Retrieval Augmentation
251. Koja je uloga Prompt šablona u LangChain-u? Kako se koristi?
Lako | #13036 | LangChain / Prompt
252. Koje Vector Database-e podržava LangChain? Kako birati?
Srednje | #13037 | LangChain / Vector Database
253. Kakav je tok izvršenja LangChain Agent-a?
Teško | #13038 | LangChain / Agent Principle
254. Kako optimizovati performanse i troškove LangChain aplikacije?
Teško | #13039 | LangChain / Performance Optimization
255. Koja je razlika između LangChain-a i LlamaIndex-a? Za koje scenarije je koji pogodan?
Srednje | #13040 | LangChain / LlamaIndex / Framework Comparison
256. Koje tipove DocumentLoader-a ima LangChain? Kako birati?
Lako | #13041 | LangChain / DocumentLoader
257. Koje strategije TextSplitter-a za Document Splitting ima LangChain?
Srednje | #13042 | LangChain / Document Splitting
258. Kako evaluirati efekat LangChain RAG aplikacije?
Teško | #13043 | LangChain / RAG Evaluation
259. Kako tretirati multimodalne podatke u LangChain-u?
Srednje | #13044 | LangChain / Multimodal
260. Na koje probleme treba obratiti pažnju pri korišćenju LangChain-a u produkciji?
Teško | #13045 | LangChain / Production Practice
261. Koja je uloga OutputParser-a u LangChain-u? Koji uobičajeni tipovi postoje?
Lako | #13046 | LangChain / OutputParser
262. Kako implementirati upravljanje istorijom dijaloga i perzistenciju u LangChain-u?
Srednje | #13047 | LangChain / Conversation History Management
263. Šta je Callback mehanizam u LangChain-u? Čemu služi?
Srednje | #13048 | LangChain / Callback
264. Kako implementirati Function Calling u LangChain-u?
Srednje | #13049 | LangChain / Function Calling
265. Šta je LCEL jezik izraza u LangChain-u? Koje prednosti ima?
Srednje | #13050 | LangChain / LCEL
266. Kako implementirati uslovno grananje i dinamičko rutiranje u LangChain-u?
Srednje | #13051 | LangChain / Conditional Routing
267. Kako se LangChain integriše sa drugim AI okvirima ili alatima?
Lako | #13052 | LangChain / Framework Integration
268. Koje tipove Retriever-a ima LangChain? Koje su njihove karakteristike?
Srednje | #13053 | LangChain / Retriever
269. Kako obraditi greške i izuzetke u LangChain aplikacijama?
Srednje | #13054 | LangChain / Exception Handling
270. Kako implementirati upravljanje kontekstom više-turnusnog dijaloga u LangChain-u?
Lako | #13055 | LangChain / Context Management
271. Koja uska grla performansi LangChain ima? Kako ih optimizovati?
Teško | #13056 | LangChain / Performance Bottleneck
272. Kako obezbediti kvalitet i konzistentnost izlaza LangChain aplikacija?
Teško | #13057 | LangChain / Quality Assurance
273. Kakvi su trendovi budućeg razvoja LangChain-a? Koji pravci zaslužuju pažnju?
Srednje | #13058 | LangChain / Tech Trends
274. OpenClaw je ovih dana veoma popularan, da li znate njegov princip?
Lako | #13216 | AI / OpenClaw / Large Model App Development / Agent Development / AI App Development
275. (OpenClaw predznanje) Šta je AI Agent? Koja je suštinska razlika između njega i direktnog pozivanja API-ja velikog modela za jedno pitanje i odgovor?
Lako | #13217 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
276. (OpenClaw predznanje) Molimo objasnite kompletan lanac Tool Calling-a: kako se alat definiše, kako ga LLM poziva, kako se rezultat vraća.
Lako | #13221 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
277. (OpenClaw predznanje) Koje odgovornosti snosi System Prompt u Agent sistemu? Ako System Prompt postaje sve duži, kako biste postupili?
Lako | #13222 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
278. (OpenClaw predznanje) Šta je Context Window Agent-a? Zašto je jedno od najključnijih ograničenja u Agent inženjeringu?
Lako | #13223 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
279. (OpenClaw predznanje) Objasnite razliku između „kratkoročne memorije“ i „dugoročne memorije“ u Agent sistemima, i kako ih uskladištiti i pretraživati.
Srednje | #13224 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
280. Šta je OpenClaw? Koji problem rešava? Koje ključne sposobnosti ima?
Lako | #13225 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
281. Koje su ključne komponente OpenClaw-a? Molimo opišite odnose među njima.
Srednje | #13226 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
282. U OpenClaw-u, kakav je kompletan lanac od trenutka kada korisnička poruka uđe u sistem do primanja odgovora?
Teško | #13227 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
283. Kako radi Agent Runner u OpenClaw-u? Kroz koje faze prolazi jedno pokretanje Agent-a?
Teško | #13228 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
284. Context Window LLM-a ima gornju granicu; kako pri dugim razgovorima obezbediti da Agent i dalje normalno radi? Kako to radi OpenClaw?
Srednje | #13229 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
285. Poziv alata od strane Agent-a može vratiti preveliki rezultat (na primer pretraga koda vraća 50KB), koje će probleme to prouzrokovati? Kako biste to rešili? Kako to radi OpenClaw?
Srednje | #13230 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
286. Kada je istorija razgovora zaista predugačka, a skraćivanje ne pomaže, koje druge metode postoje? Šta je Compaction? Kakva je Compaction strategija OpenClaw-a?
Srednje | #13231 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
287. OpenClaw apstrahuje upravljanje Context-om u pluggable Context Engine; zašto praviti ovu apstrakciju? Koje različite strategije može podržati ovaj dizajn?
Srednje | #13232 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
288. Ako Agent sistem istovremeno treba da integriše Telegram, Feishu, DingTalk i druge kanale, kako biste dizajnirali apstraktni sloj? Kako je dizajniran interfejs Channel Plugin-a u OpenClaw-u?
Lako | #13237 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
289. Šta su Skills u AI Agent-u? Čemu služe?
Lako | #13251 | AI / Large Model / Agent / Skills
290. Koja je razlika između MCP-ja i Skills-a? Za koje scenarije je koji pogodan?
Lako | #13252 | AI / Large Model / Agent / Skills
291. Kako dizajnirati i upravljati sistemom Skills-a AI Agent-a? Koji izazovi postoje u stvarnim projektima?
Srednje | #13253 | AI / Large Model / Agent / Skills
292. U istom sistemu može postojati više Agent-a; poruke korisničkih grupa različitih kanala moraju se rutirati ka različitim Agent-ima. Kako biste dizajnirali ovo rutiranje? Kakav je prioritet podudaranja ruta u OpenClaw-u?
Srednje | #13256 | AI / OpenClaw / Large Model App Development / Agent Development / AI App Development
293. Isti korisnik razgovara sa Agent-om u Telegram privatnom ćaskanju i Discord grupi; da li sesija treba da bude deljena ili izolovana? Kako OpenClaw dizajnira nivo izolacije sesije?
Srednje | #13257 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
294. Isti alat (na primer „izvrši komandu“) treba da ima različite dozvole u različitim scenarijima. Kako biste dizajnirali kontrolu dozvola alata? Kako je strukturiran pipeline politike alata u OpenClaw-u?
Srednje | #13258 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
295. Različiti LLM Provider-i imaju nedoslednu podršku za Tool Schema; kako biste tretirali ovu razliku? Kako OpenClaw radi Schema adaptaciju?
Srednje | #13259 | AI / OpenClaw / Large Model App Development / AI App Development
296. Čemu služi Hook middleware obrazac u Agent sistemima? Možete li navesti nekoliko tipičnih scenarija? Kako je dizajniran Hook sistem u OpenClaw-u?
Srednje | #13260 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
297. U kojim scenarijima je potrebna saradnja više Agent-a umesto rešavanja jednim Agent-om? Kako OpenClaw podržava pod-Agent-e (Subagent)?
Srednje | #13261 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
298. Kada roditelj Agent spawn-uje dete Agent-a, koje granične probleme treba razmotriti? Koja ograničenja i zaštite OpenClaw ima?
Srednje | #13262 | AI / Large Model App Development / AI App Development / Agent Development
299. Kako komuniciraju i koordiniraju više Agent-a? Koju ulogu pri tome ima Gateway OpenClaw-a?
Srednje | #13263 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
300. OpenClaw usvaja arhitekturu dodataka; treće strane mogu registrovati nove kanale, alate, Hook-ove. Koja ključna pitanja treba razmotriti pri dizajnu sistema dodataka? Kako izgleda API dodataka OpenClaw-a?
Srednje | #13264 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
301. Gateway OpenClaw-a radi idempotentno procesiranje za Agent zahteve. Zašto Agent sistemi posebno trebaju idempotentnost? Šta uraditi kada alat već prouzrokuje nuspojave?
Srednje | #13265 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
302. Ako bi trebalo izgraditi Agent okvir iz početka na osnovu dizajn filozofije OpenClaw-a, koja tri modula biste prvo napravili? Zašto?
Srednje | #13266 | AI / OpenClaw / Large Model App Development / AI App Development / Agent Development
303. Šta je LoRA? Koji je njen princip? Zašto može smanjiti broj parametara treninga?
Lako | #13499
304. Kakav hardver je potreban za Fine-tuning velikih modela? Koliko memorije grafičke kartice zahtevaju 7B i 70B modeli?
Lako | #13501
305. Koji je matematički princip LoRA-e? Zašto low-rank dekompozicija može aproksimirati efekat punog Fine-tuning-a?
Lako | #13502
306. Koji su glavni Fine-tuning alati 2026. godine? Koje karakteristike imaju Unsloth, Axolotl, TRL?
Lako | #13503
307. Šta je SFT instrukcioni Fine-tuning? Koji format zahtevaju podaci za Fine-tuning?
Lako | #13505
308. Kakav je kompletan tok treninga RLHF-a? Šta radi svaka faza od SFT do Reward Model do PPO?
Lako | #13506
309. Kako postaviti hiperparametre LoRA-e? Koja iskustvena pravila postoje?
Lako | #13507
310. Uporedite LoRA, QLoRA, DoRA i pun Fine-tuning; kako birati u različitim scenarijima?
Lako | #13508
311. Šta je DPO? Koje prednosti ima u odnosu na RLHF i PPO?
Lako | #13509
312. U multimodalnom Fine-tuning-u, kako osigurati kvalitet usklađivanja tekstualnih i slikovnih podataka? Koji tehnički izazovi postoje?
Lako | #13510
313. Šta uraditi kada se pojavi overfitting tokom Fine-tuning-a? Koje metode regularizacije se mogu koristiti?
Lako | #13511
314. Zašto je potreban Fine-tuning? Zar ne može direktno Prompt Engineering ili RAG?
Lako | #13512
315. Kako evaluirati efekat Fine-tuning-a? Koje metrike treba pratiti?
Lako | #13513
316. Šta su Adapter Tuning i Prefix Tuning? Koja je razlika između njih i LoRA-e?
Lako | #13514
317. Šta je ORPO? Kako spaja instrukcioni Fine-tuning i Preference Alignment u jednu celinu?
Lako | #13515
318. Kako sprečiti katastrofalno zaboravljanje tokom Fine-tuning-a? Koje praktične strategije ublažavanja postoje?
Lako | #13516
319. Koja je razlika između LoRA-e i QLoRA-e? Za koje scenarije je koji pogodan?
Lako | #13517
320. Šta je pun Fine-tuning? Koje prednosti i mane ima?
Lako | #13518
321. Kako konstruisati kvalitetan SFT Fine-tuning skup podataka? Šta je važnije: kvalitet ili količina podataka?
Lako | #13519
322. Šta je AI Hallucination? Zašto veliki modeli haluciniraju? Koje metode ublažavanja postoje?
Lako | #13648
323. Šta je Agentic Engineering? Koja je razlika u odnosu na Vibe Coding?
Lako | #13649
324. Šta je ACP protokol? Koja su njegova dva različita značenja?
Lako | #13650
325. Šta su Deep Thinking i Adaptive Thinking? Koju primenu imaju u AI programiranju?
Lako | #13651
326. Šta su Emergent Abilities velikih modela? Kakve implikacije ima za razvoj AI aplikacija?
Lako | #13652
327. Šta je Token kod velikih modela? Koja je razlika između ulaznog Token-a i izlaznog Token-a u naplati?
Lako | #13653
328. Šta je Background Agent? Koji način rada u AI programiranju je promenio?
Lako | #13654
329. Šta je Token Cache mehanizam? Kako pomaže u smanjenju troškova AI aplikacija?
Lako | #13655
330. Šta je Knowledge Distillation? Koja je razlika u odnosu na Model Quantization?
Lako | #13656
331. Šta je Auto-fix Loop u AI programiranju? Kako dizajnirati njegov radni tok i Exit Strategy?
Lako | #13666
332. Šta su Training i Inference velikih modela? Koja je razlika u zahtevima za resurse izračunavanja?
Lako | #13668
333. Šta je broj parametara velikih modela? Kakav je odnos između broja parametara i sposobnosti modela?
Lako | #13671