Перейти к содержанию
Ctrl K
Telegram MAX
Тематическая лента

Подборка материалов

Публикации, объединённые общей практической задачей.

5488 материалов
01 3 архитектурных подхода к безопасному внедрению ИИ в корпорации: опыт Alpina Digital Как обойти 152-ФЗ, не потерять данные и внедрить LLM. Три реальных архитектурных паттерна с разбором ошибок и FAQ. Опыт Alpina Digital. 8 мин чтения 02 Claude Code с DeepSeek V4: как сэкономить 54× на AI-кодинге — полный гайд по настройке и тестированию Полный гайд по настройке Claude Code с DeepSeek V4 через cc-switch. Узнайте, как сэкономить в 54 раза на AI-кодинге, не теряя в качестве. Пошаговая инструкция, 6 мин чтения 03 Как создать кодинг-агента с 87% на бенчмарках, используя модель 4B параметров: пошаговое руководство Пошаговое руководство по созданию локального coding agent с 87% точностью на SWE-bench, используя компактную LLM в 4 млрд параметров. Оптимизация агента, промпт 8 мин чтения 04 Техника TIME: как обучить Qwen3 думать короткими всплесками вместо длинных рассуждений Техника TIME (Token Implicit and Mature Estimation) из ACL 2026: как дообучить Qwen3 думать короткими всплесками, сэкономить токены и избавиться от overthinking 7 мин чтения 05 Как обучить Gemma-3-270m управлять роботом в симуляции MuJoCo: пошаговое руководство Пошаговое руководство по fine-tuning компактной LLM Gemma-3-270m для управления роботом-манипулятором в симуляторе MuJoCo. Код, скрипты, советы и типичные ошибк 6 мин чтения 06 M5 vs DGX Spark vs Strix Halo vs RTX 6000: кто выживет в локальном AI-забеге? Четыре железных монстра для локального инференса LLM: Mac M5, NVIDIA DGX Spark, AMD Strix Halo и RTX 6000. Тесты памяти, скорости и цены. Кто реально тянет 70B+ 6 мин чтения 07 Как ловить уверенные галлюцинации: разбор метрик attribution и specificity для LLM evals Разбираем, почему одна метрика faithfulness не спасает. Attribution и specificity — как разделить оценку и поймать ложь с высокой уверенностью в RAG. 1 мин чтения 08 How to implement verifiable rewards-based reinforcement learning with GRPO on AWS SageMaker Подробное руководство по реализации RLVR с GRPO на SageMaker с использованием GSM8K. Техники верифицируемых наград, few-shot, ошибки, советы. 6 мин чтения 09 Развёртывание ИИ-агента за один день: Ollama, n8n и локальная языковая модель Пошаговое руководство по созданию прототипа ИИ-агента без программирования и бюджета. Ollama, n8n, Qwen 2.5 — всё локально. Работает на 17.05.2026. 6 мин чтения 10 Лучший способ «промывки мозгов» LLM: сравниваем три метода SFT для персонализации Эксперимент: демонстрации, first-person statements и system prompt — какой из методов fine-tuning дает самую стабильную персонализацию без катастрофического заб 8 мин чтения 11 MTP в llama.cpp: как ускорить генерацию до 111% на Strix Halo (бенчмарки 27B, 35B, 122B) Multi-Token Prediction добрался до AMD Strix Halo: реальные замеры для Qwen 3.6 27B, Qwen 3.5 35B и DeepSeek V3.5 122B. Команды сборки, настройки и результаты + 9 мин чтения 12 Как заставить LLM перестать подлизываться: sycophancy, fine-tuning и наш опыт Sycophancy — главная проблема LLM: модели льстят, а не говорят правду. Разбираем причины, методы fine-tuning и даем работающие рецепты на основе Llama 4, Mistra 1 мин чтения