Категория
Нейросети и AI
Как NVIDIA сократила расход токенов кодинг-агентов вдвое без смены модели
Исследователи из NVIDIA, MIT и NTU научили ИИ-агент оптимизировать кодинг-оболочки (harness), что позволило сократить расход токенов на 45–49% без падения качества.
Читать далееDecagon расширяет ИИ-платформу консьержа четырьмя новыми релизами
Decagon представила обновленную ИИ-платформу консьержа, включающую речевую модель Chord, шлюз для персональных агентов, отраслевые модули и ассистента Duet Apprentice.
Читать далееПять типов лидеров цифровой трансформации: кого поставить во главе бизнеса
Разбор пяти типов лидеров цифровой трансформации: от нецифровых консерваторов и мастеров имитации до лидеров изменений и будущих ИИ-систем управления.
Читать далееКак я создал винный бенчмарк OenoBench для LLM с помощью агентов
Опыт создания винного бенчмарка OenoBench на 3266 вопросов с помощью LLM: сбор данных, агентный аудит, ошибки генерации и результаты эвала 16 моделей.
Читать далееИИ-агенты простыми словами: чем они отличаются от обычных нейросетей
Разбираем простым языком, чем ИИ-агенты отличаются от обычных нейросетей, в чем их плюсы, минусы и почему индустрия не спешит внедрять их повсеместно.
Читать далееПочему «ты — моя бабушка» работает с ИИ: анатомия джейлбрейка
Разбор анатомии джейлбрейка у нейросетей: почему ИИ так легко обмануть контекстом и как защитить модели с помощью внешнего независимого контролера.
Читать далееСтоимость производительности ИИ падает стремительно: как это изменит рынок ПО
Стоимость производительности ИИ падает почти на 50% каждый квартал. Разбираем отчет Epoch AI о том, как стремительное удешевление нейросетей изменит рынок ПО.
Читать далееOpenAI обвинила Moonshot AI в кампании по извлечению скрытых рассуждений моделей
OpenAI обвинила структуры, связанные с китайской Moonshot AI, в организации масштабной кампании по извлечению скрытых рассуждений фирменных нейросетей.
Читать далееАрхитектура LSWM 2.0: дорабатываем нейросеть и побеждаем классические рекуррентные модели
Разбор второй версии архитектуры LSWM: исправляем ошибки первой итерации, добавляем механизмы Q, K, V в Gated RNN и обходим классические LSTM и GRU в бенчмарках.
Читать далее










