Pytania rekrutacyjne AI i LLM (Junior) z odpowiedziami

75 pytań na rozmowę rekrutacyjną z tematu AI i LLM (Junior) - z poprawnymi odpowiedziami, wyjaśnieniami i linkami do dokumentacji.

Rozwiąż ten test
  1. 1.Co w gruncie rzeczy robi duży model językowy (LLM)?
  2. 2.Czym jest token w kontekście LLM?
  3. 3.Dlaczego ten sam tekst po ukraińsku często zajmuje więcej tokenów niż po angielsku?
  4. 4.Czym jest okno kontekstu modelu?
  5. 5.Co kontroluje parametr temperature?
  6. 6.Jaka temperatura pasuje do wyciągania pól z faktury do JSON?
  7. 7.Czym jest halucynacja LLM?
  8. 8.Czym jest knowledge cutoff modelu?
  9. 9.Czym jest prompt systemowy?
  10. 10.API czatów są zwykle bezstanowe. Co to oznacza dla aplikacji?
  11. 11.Czym jest few-shot prompting?
  12. 12.Po co prosić model o rozumowanie krok po kroku przed odpowiedzią na trudne zadania?
  13. 13.Jak zwykle wycenia się wywołania API LLM?
  14. 14.Dlaczego interfejsy czatu często pokazują odpowiedź strumieniowo, token po tokenie?
  15. 15.Co oznacza, że odpowiedź zatrzymała się na limicie max tokens?
  16. 16.Czym jest embedding?
  17. 17.Czym wyszukiwanie semantyczne na embeddingach różni się od wyszukiwania po słowach kluczowych?
  18. 18.Czym jest retrieval-augmented generation (RAG)?
  19. 19.Dlaczego w RAG dzieli się dokumenty na chunki?
  20. 20.Kiedy RAG jest zwykle lepszy niż fine-tuning?
  21. 21.Czym jest fine-tuning?
  22. 22.Czym jest tool use (wywoływanie funkcji)?
  23. 23.Kto naprawdę wykonuje narzędzie, o które prosi model?
  24. 24.Czym jest agent AI w prostych słowach?
  25. 25.Czym jest Model Context Protocol (MCP)?
  26. 26.Po co prosić model o ustrukturyzowaną odpowiedź jak JSON?
  27. 27.Gdzie w aplikacji webowej powinien być klucz API dostawcy LLM?
  28. 28.Co aplikacja powinna zrobić, gdy API LLM zwraca 429?
  29. 29.Czym jest prompt injection?
  30. 30.Dlaczego pośredni prompt injection jest niebezpieczny?
  31. 31.Jaki jest bezpieczny nawyk przy korzystaniu z publicznych czatów AI w pracy?
  32. 32.Dlaczego kod od asystenta AI trzeba przeglądać?
  33. 33.Dlaczego testowanie funkcji na LLM jest trudniejsze niż zwykłego kodu?
  34. 34.Czym jest eval dla funkcji na LLM?
  35. 35.Które sprawdzenie jest niezawodne dla LLM, który ma zwrócić kategorię ze stałej listy?
  36. 36.Czym jest golden dataset w testach LLM?
  37. 37.Czym jest LLM-as-a-judge?
  38. 38.Po co wersjonować prompty jak kod?
  39. 39.Czy temperature 0 gwarantuje za każdym razem identyczne odpowiedzi?
  40. 40.Co robi top-p (nucleus sampling)?
  41. 41.Jaka jest rola mechanizmu attention w transformerze?
  42. 42.Czym różni się pre-training od instruction tuning?
  43. 43.Czym jest RLHF?
  44. 44.Czym jest model multimodalny?
  45. 45.Jaki jest typowy kompromis między dużym a małym modelem?
  46. 46.Po co w prompcie jasne wymagania co do wyniku, np. „poniżej 50 słów”?
  47. 47.Czym jest guardrail w aplikacji na LLM?
  48. 48.Dlaczego funkcja AI powinna pokazywać źródła, gdy odpowiada z dokumentów?
  49. 49.Co się dzieje, gdy rozmowa staje się dłuższa niż okno kontekstu?
  50. 50.W czym pomaga prompt caching?
  51. 51.Dlaczego bardzo długie prompty z wieloma dokumentami mogą dawać gorsze odpowiedzi?
  52. 52.Czym jest stronniczość (bias) w wynikach AI?
  53. 53.Dlaczego użytkownicy powinni wiedzieć, że rozmawiają z AI?
  54. 54.Czym jest model rozumujący (reasoning)?
  55. 55.Co powinien zrobić czat AI, gdy nie zna odpowiedzi?
  56. 56.Po co ostrożnie logować prompty i odpowiedzi funkcji AI na produkcji?
  57. 57.Co znaczy, że wynik LLM jest niedeterministyczny?
  58. 58.Jakie jest proste automatyczne sprawdzenie odpowiedzi chatbota?
  59. 59.Jaka jest rola bazy wektorowej w RAG?
  60. 60.Dlaczego funkcja AI może odmówić niewinnego zapytania?
  61. 61.Czym jest red teaming aplikacji AI?
  62. 62.Czym jest jailbreak?
  63. 63.Dlaczego narzędzia agenta AI powinny mieć minimalne uprawnienia?
  64. 64.Czym jest „human in the loop” w funkcjach AI?
  65. 65.W czym AI SDK, np. od Vercel, pomaga programiście webowemu?
  66. 66.Po co w promptach oddzielać instrukcje od danych użytkownika, np. tagami?
  67. 67.Jak zmniejszyć halucynacje w odpowiedzi o polityce firmy?
  68. 68.Co oznacza „model drift” dla funkcji AI?
  69. 69.Jakie jest główne ryzyko ufania SQL wygenerowanemu przez AI bez sprawdzeń?
  70. 70.Dlaczego ewaluacje uruchamia się na wielu przykładach, a nie na jednym?
  71. 71.Z czego składa się „kontekst” chatbota w typowej aplikacji?
  72. 72.Co oznacza, że odpowiedź AI jest „grounded”?
  73. 73.Dlaczego długie odpowiedzi trwają zauważalnie dłużej niż długie prompty?
  74. 74.Po co nadawać modelowi rolę, np. „Jesteś agentem wsparcia firmy X”?
  75. 75.Jakich danych nigdy nie wysyłać do zewnętrznego LLM bez zgody?