Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
4407
материалов
01
Как обучить крошечную LLM на MacBook Air: эксперимент с самообучением Qwen 0.8B
Практический эксперимент: улучшаем крошечную Qwen 0.8B на MacBook Air через самообучение с обратной связью. LoRA, 4-битное квантование, код и инсайты.
02
Гибридные нейро-символические модели: практический гайд по внедрению доменных правил в функцию потерь для обнаружения мошенничества
Гайд 2026: как внедрить доменные правила в функцию потерь для обнаружения мошенничества. Практический разбор гибридных нейро-символических моделей на Kaggle Cre
03
Контекст-инжиниринг для coding-агентов: как структурировать сессии и не сойти с ума
Практическое руководство по контекст-инжинирингу для coding-агентов. Учимся структурировать сессии, управлять памятью и избегать типичных ошибок при работе с Cl
04
Ryzen AI Max+ 395 - ваш личный суперкомпьютер для LLM. Если, конечно, вы его настроите
Полный гайд по установке Fedora, ROCm 8.0 и сборке llama.cpp для бенчмаркинга LLM с контекстом до 250k токенов на Ryzen AI Max+ 395 с 128GB RAM. Команды, ошибки
05
Метод дублирования слоев: как улучшить LLM без изменения весов и занять первое место на Open LLM Leaderboard
Узнайте, как метод дублирования слоев улучшает LLM без изменения весов. Практическое руководство для достижения первого места на Open LLM Leaderboard с Qwen2-72
06
Разбор Mechanistic Interpretability на практике: как трансформер в 1М параметров жульничает в арифметике
Hands-on разбор механистической интерпретируемости: обучаем трансформер на 1М параметров сложению и ловим его на жульничестве. Код на PyTorch, трюки с weight de
07
Скорость генерации LLM: почему 5 токен/с - не предел, и когда токены в секунду действительно важны
Глубокий разбор скорости генерации LLM: когда токен/с важен, как выжать максимум из железа и софта, и почему вы измеряете скорость неправильно. Актуально на мар
08
От OCR к ADE: полный гайд по автоматическому пониманию документов с помощью AI
Глубокий разбор эволюции обработки документов: от распознавания текста до понимания смысла AI. Практические шаги, актуальные модели и подводные камни.
09
Асинхронное обучение с подкреплением: сравнительный анализ 16 open-source библиотек и оптимизация пайплайна
Глубокий технический гайд по асинхронному обучению с подкреплением. Сравниваем 16 open-source библиотек, разбираем управление rollout buffer, staleness manageme
10
Распознавание рукописного текста на Qwen3.5-4B: полное руководство по настройке в llama.cpp
Пошаговое руководство по настройке Qwen3.5-4B для OCR рукописного текста в llama.cpp. Квантование GGUF, оптимизация скорости, решение ошибок.
11
Экономика AI: как считать реальную стоимость запроса к LLM с учётом кэша (формула effective cost)
Как считать реальную стоимость запроса к LLM с учетом кэширования. Формула effective cost, примеры расчетов для GPT-4.5 и Claude 3.7 на 2026 год.
12
Борьба с галлюцинациями Vision-моделей: как добавить Computer Vision для проверки геометрии (кейс PhotoMentor)
Кейс PhotoMentor: как мы победили галлюцинации Gemini в оценке композиции, добавив проверку геометрии через Computer Vision. Пошаговый план и код на 2026 год.