Перейти к содержимому
JS
JScriptiser
Система Онлайн
Патчи
Платформа
Квиз
FAQ
🇺🇸
en
Войти
В Лабораторию
Войти
База знаний
Рекомендательные системы
Отбор кандидатов и эмбеддинги
Отбор кандидатов и эмбеддинги
Двухбашенные модели, приближённый поиск соседей, несколько источников кандидатов и их смешивание
Все
Легкие
Средние
Сложные
По умолчанию
По популярности
Сначала легкие
Сначала сложные
Развернуть
Свернуть
1
Средний
3
Зачем рекомендации разбивают на каскад «отбор кандидатов → ранжирование → переранжирование»?
2
Сложный
4
Как устроена двухбашенная модель и почему башни нельзя объединять раньше скалярного произведения?
3
Сложный
1
Как работает приближённый поиск ближайших соседей и чем HNSW отличается от IVF-PQ?
4
Средний
3
Как выбирать компромисс между полнотой отбора и задержкой ответа?
5
Средний
3
Зачем держать несколько источников кандидатов и как их смешивать?
6
Средний
3
Как обновляют индекс эмбеддингов, чтобы новые объекты появлялись без полной перестройки?
7
Средний
2
Где в каскаде применять жёсткие фильтры: доступность, регион, возрастные ограничения, уже виденное?
8
Средний
3
Сколько кандидатов передавать в ранжировщик и как это число обосновать?
9
Средний
3
Как оценивать качество отбора кандидатов отдельно от ранжирования?
10
Сложный
2
Когда для отбора кандидатов нужны последовательные модели вместо двухбашенной?
Отбор кандидатов и эмбеддинги | JScriptiser