Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
5424
материалов
01
Скрытая цена смены модели: почему пиннинг версии не спасает от деприкации
Пиннинг версии модели не спасает от деприкации: провайдер всё равно выводит версии из эксплуатации. Считаем налог на переквалификацию - golden eval, поведенческ
02
Геном стиля в ChatGPT: как сохранять единый визуальный язык в серии AI-изображений
Пошаговый разбор метода «генома стиля»: как извлечь визуальный язык из референса, отделить стиль от сюжета, собрать мастер-промпт с [Subject] и [Action] и защит
03
Оптимизация локального инференса MoE-моделей в llama.cpp: патчи, бенчмарки и что реально ускоряется на RTX 4080
Многочасовой эксперимент по ускорению MoE-инференса в llama.cpp без изменения весов: где патчи дают прирост на RTX 4080, какие регрессии и компромиссы нашлись и
04
Может ли ИИ уничтожить человечество? Разбор аргументов и реальных рисков
Полное вымирание человечества из-за ИИ маловероятно, но смертельные инциденты с участием ИИ уже происходят. Разбираем три механизма риска, проблему alignment и
05
Гроккинг под контролем: как геометрия представлений может управлять обучением нейросетей
В arXiv вышел препринт «How to Tame Grokking: Representation Geometry as a Control Signal», где геометрию внутренних представлений предлагают использовать как с
06
Кейс Sminex: как LLM-модель заменила OCR в онбординге и ускорила оформление сотрудников вдвое
Sminex заменила классический OCR на локальную vision-language-модель Qwen в продукте Sminex Start: разбираем архитектуру, нормализацию адреса под ФИАС и 1С:ЗУП,
07
Карьера в data science в эпоху AI: как не потерять себя и остаться востребованным
Разбираем, как начинающему data scientist остаться востребованным в эпоху AI: какие навыки переносятся между проектами, что искать в здравоохранении, госсекторе
08
Google Flow в моде: как Jane Wade и Sergio Hudson создали инструменты без кода
Google Envisioning Studio и Google Labs вместе с дизайнерами Jane Wade и Sergio Hudson собрали на базе Google Flow два инструмента для подготовки к Неделе моды
09
Как подобрать chunk size и overlap для RAG: настройка на своей документации
Практический гайд по выбору chunk size и overlap для RAG на своей документации: стартовые диапазоны в токенах, правила границ для кода и таблиц, метрики retriev
10
Kodacode против Claude Code и OpenCode: как агентная оболочка меняет результаты DeepSeek V4 Flash
Koda прогнала DeepSeek V4 Flash через пять агентных оболочек: на уровне Max её оболочка дала 52,2%, KiloCode - 49,5%, Claude Code - 48,2%, OpenCode - 47,6%. Раз
11
Почему оценка «машинности» текста может обмануть: разбор ошибки в тесте humanizer-ru
Замер «машинности» в humanizer-ru упал с 0,846 до 0,438, но контрольные пары показали, что оценка меняется без реальных правок текста. Разбираем, что именно изм
12
Как Included Health построила федеративных AI-агентов для навигации по медицине на LangGraph и Deep Agents
Разбор архитектуры Dot от Included Health: федеративный мультиагентный ассистент на LangGraph и Deep Agents, Dot supergraph, суб-воркфлоу, human-in-the-loop и м