Объём данных для дообучения определяют кривой обучения и покрытием сценариев, а не универсальным числом. Для embedding-задачи loss выбирают по доступной разметке пар, негативов и целевой метрике.
Оцени, сколько данных нужно для дообучения модели в проде, опиши процесс дообучения, параметры, лосс (contrastive/triplet) и почему выбран именно он?
Объём данных для дообучения определяют кривой обучения и покрытием сценариев, а не универсальным числом. Для embedding-задачи loss выбирают по доступной разметке пар, негативов и целевой метрике.
Короткий ответ
Что ответить на собеседовании
Подробный разбор
Ответ с пояснениями
Объём данных для дообучения определяют кривой обучения и покрытием сценариев, а не универсальным числом. Для embedding-задачи loss выбирают по доступной разметке пар, негативов и целевой метрике.
Начните с очищенного пилота и независимого теста; постепенно увеличивайте данные, проверяя Recall@k/MRR и редкие сегменты. Contrastive loss сближает позитивы и разделяет негативы, triplet использует anchor, positive, negative с margin. Контролируйте ложные негативы, sampling, learning rate, batch size и early stopping. Параметры фиксируйте вместе с данными; production-выкатку делайте после проверки деградаций.