- Компиляторы
-
Обучение
Изучить Python Запускаемые примеры, NumPy, pandas и другое Изучить ИИ / машинное обучениеНейросети, ML и LLM с нуля Изучить C и C++ Указатели, память, STL и современный C++ Изучить C#Основы C#, ООП, LINQ, async и упражнения .NET Изучить MatplotlibЛинейные, столбчатые, точечные и круговые диаграммы с визуализацией Изучение RustВладение, трейты, обработка ошибок и потоки Изучение GoСрезы, интерфейсы, горутины и каналы Алгоритмы на Python Поиск, сортировка, рекурсия и визуализация O(n) Алгоритмы на C и C++ Сравнение реализаций на C и C++ Программирование для детей Учись программировать, играя!
- КвизыНовое
- ЗадачиНовое
- УчителямНовое
- Обновления
- Угостить кофе
Квиз по AI & Machine Learning: Fine-Tuning & RAG
Fine-tuning and retrieval-augmented generation (RAG) are the two main ways to adapt a language model to your data and task. This quiz checks when each one fits, how parameter-efficient methods like LoRA work, and the practical pitfalls of chunking, embeddings and retrieval.
Пример вопроса
Вопрос 1 из 10What does retrieval-augmented generation (RAG) do?
Показать ответ
B. Finds documents relevant to the question at request time and puts them in the prompt so the model can answer from them RAG adds a retrieval step before generation: search your knowledge base, then give the best passages to the model as context. The model's weights do not change.
Что проверяет этот квиз
- What RAG is and when it beats fine-tuning
- What fine-tuning is good at, and catastrophic forgetting
- LoRA and parameter-efficient fine-tuning
- Chunking, embedding models and hybrid search
- Debugging a RAG pipeline step by step
Частые вопросы
Нужен ли аккаунт?
Нет. Играть может любой. Войдите, чтобы сохранять XP, серию, значки и историю.
Можно пройти ещё раз?
Да. Лучший результат сохраняется, а вопросы и ответы каждый раз перемешиваются.