Тэг
LLM
Имаго-подход для корпораций: опыт создания языковой модели Thomson Reuters
Разбираем опыт корпорации Thomson Reuters по созданию собственной языковой модели: архитектура фабрики моделей, трехэтапное обучение, работа с данными и уроки для имаго-подхода.
Читать далее
ProvenanceGuard: верификация источников для агентов на базе MCP
Разбор метода ProvenanceGuard для проверки достоверности источников в MCP-агентах. Как избежать подмены атрибуции и повысить точность ИИ.
Читать далее
Google Research представляет RRSI: как ИИ-агенты улучшают свой обвес без переобучения
Google Research представила RRSI — фреймворк, позволяющий ИИ-агентам безопасно улучшать собственные промты, память и инструменты без переобучения весов модели.
Читать далее
Малые языковые модели: где применять SLM и какие есть нюансы
Разбираем малые языковые модели (SLM): где они эффективны, какие сценарии подходят для их внедрения, а с какими ограничениями сталкиваются разработчики на практике.
Читать далее
Как я избавил локальный ИИ-агент от нехватки контекста: замена Claude Code
Как настроить локальный ИИ-агент, победить нехватку контекста на видеокарте с 8 ГБ VRAM и запустить многошаговые задачи без ошибок.
Читать далее
Практические сценарии использования LLM: от банальных до неочевидных
Подробный разбор практических сценариев использования больших языковых моделей (LLM) в работе и повседневной жизни: от базовых чатов и анализа данных в Python до неочевидных способов применения.
Читать далее
Что думают сами LLM насчет наличия у себя сознания?
Провожу эксперимент с языковыми моделями: создаю специальный бенчмарк, чтобы проверить, как нейросети оценивают наличие у себя сознания и субъективного опыта.
Читать далее
Как я написал бота для автооткликов на hh.ru, который обходит платные подписки
Практический разбор создания автономного бота для поиска работы на hh.ru: как обойти платные подписки, победить баги интерфейса и настроить бесплатный ИИ.
Читать далееСлабости роя: почему агенты пока не решают всех проблем
Критический разбор слабых мест многоагентных ИИ-систем: почему рой агентов часто сжигает бюджеты, зацикливается на ошибках и нуждается в жестком контроле со стороны реальности.
Читать далее
Как мы автоматизировали работу DBA: 10 000 тикетов и 99,6% успеха
Делюсь результатами эксплуатации автономного DBA-агента: как нам удалось автоматизировать вторую линию поддержки, обработать 10 тысяч тикетов за месяц и сэкономить 500+ человеко-часов.
Читать далее
