Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
5424
материалов
01
ИИ в тестировании 1С: как генерировать полезные тесты, а не «уверенную ерунду»
ИИ уже пишет юнит-тесты для 1С и разбирает легаси-код, но без контекста, правил и ограничений выдаёт формально корректные и бесполезные проверки. Разбираем, как
02
Jev от TypeSafe: классификатор или фильтр? Разбор 16 000 вызовов на открытых и внутренних данных
Автор прогнал Jev от TypeSafe через 16 000 вызовов: четыре открытых датасета, сравнение с gpt-5.4-mini и gpt-5.6-luna, затем несколько тысяч реальных решений. Р
03
Как Benchling защищает мультитенантные AI-агенты: архитектура изоляции на Amazon Bedrock AgentCore
Benchling запускает научный код, сгенерированный AI-агентами, в Amazon Bedrock AgentCore Code Interpreter в режиме VPC: отдельный AWS-аккаунт, DNS Firewall прот
04
Splash Engine на Apple Silicon: форк с нативным 8-битом, контекстом 190k токенов и «обрывом рассуждений» на математике
Форк Splash-HQ добавил нативные несжатые 8-битные веса MDFL0008 и Metal Q8-ядра: 36,9 tok/s на M5 Pro против 26,5 у MTPLX-Q8 и 9,9 у обычного MLX. Разбираем «об
05
Порядок промпта в Qwen: question-first, точность 100% и задержка 80 мс
Перестановка промпта, когда вопрос с фиксированными вариантами ответа идёт перед контекстом, подняла точность локального Qwen3.6-35B-A3B с 89% до 100% на англий
06
DeepSeek масштабирует модели: что значат 2T и 8T параметров и почему активируемые веса важнее
По данным обсуждения, DeepSeek обучает модель на 2 трлн параметров и планирует выйти на 8 трлн. Разбираем, что это значит: как работает MoE, почему активируемые
07
Кейс: как ИИ-агенты заменили менеджеров, склад и логистику в нетехнической компании
Вымышленный кейс: за месяц с оплатой по факту в торговой компании собрали ИИ-агентов для проверки сборки по фото, клиентских чатов и деплоя, а логистику на Perl
08
Удаление блоков LLM как задача физики: как оптимизация Изинга сжимает большие языковые модели
Multiverse Computing переформулировали удаление трансформерных блоков как поиск низкоэнергетических состояний спинового стекла Изинга: при 50% сжатии Llama-3.3-
09
Почему LLM теряет факты в больших документах и как Semantic Gatekeeper повышает точность RAG
GPT-4o с 500 страницами документации в контексте ответил верно на 34% вопросов: факты из середины он не нашел. Разбираем эффект «потери середины», сравниваем Fu
10
Вайб-кодинг с ИИ: как масштабировать проект и не утонуть в нечитаемом коде
Личный опыт: веб-сервис для психологов превратился в нечитаемую кашу за месяц и был закрыт. Разбираем, как использовать ИИ в разработке, выбирать модель, формул
11
M5 Ultra Mac Studio для локальных AI-агентов: разбор обзора MacStories и ограничения
MacStories назвал Mac Studio с M5 Ultra идеальным Mac для локальных AI-агентов. Разбираем, что стоит за этой формулировкой: цифры Blender против RTX 5090 и 5080
12
Jev-подобный API на Ninfer с Qwen3.8 27B: разбор прототипа, 84,4% на JevBench и 127 мс на RTX 5090
Разбираем прототип Unlucky-Message8866: Jev-подобный API на Ninfer с моделью Swift-Qwen3.8-27B-NInfer. Точность 84,4% на JevBench v1.2, калибровка ECE 0,045, за