详细内容或原文请订阅后点击阅览
通才也可以深入挖掘
IDASILFVERSKIöld在AI代理，RAG，EVALS上，以及哪种设计选择最终比预期的要比预期的更重要的是，Post Perfellists也可以深入研究数据科学。
来源:走向数据科学在作者聚光灯系列中，TDS编辑与我们社区成员聊天，谈论他们在数据科学和AI，写作以及灵感来源方面的职业道路。今天，我们很高兴与IdaSilfverskiöld分享我们的对话。
在作者聚光灯系列中，TDS编辑与我们社区成员聊天，谈论他们在数据科学和AI，写作以及灵感来源方面的职业道路。今天，我们很高兴与 idasilfverskiöld 。ida是一位通才，被教育为经济学家，并且在软件工程领域自学。她在产品和营销管理方面具有专业的背景，这意味着她罕见的产品，营销和开发技能。在过去的几年中，她一直在LLM，NLP和计算机视觉领域进行教学和建设，并挖掘了Agesic AI，Thegright of Thought策略以及托管模型的经济学等领域。
您研究了经济学，然后学会了编码并通过产品，增长和现在动手的AI建筑进行编码。这种通才的道路有时会给您带来什么看法？
我不确定。
人们认为通才具有浅薄的知识，但通才也可以深入研究。
我认为通才是有多重兴趣的人，也是理解整体的动力，而不仅仅是一部分。作为通才，您看一下技术，客户，数据，市场，体系结构的成本等。它为您提供了跨主题的优势，并且仍然做得很好。
我并不是说专家无法做到这一点，但是通才倾向于更快地适应，因为他们习惯了快速捡拾东西。
您最近一直在写很多有关代理系统的文章。 “代理人”实际上何时超过更简单的LLM +抹布模式，以及我们什么时候过度复杂的事物？
当您说代理AI需要“评估”时，您的首选指标清单是什么？您如何决定使用哪个？
当您说代理AI需要“ 评估 在您的 代理抹布应用