Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
5533
материалов
01
RUL: Дообучение LLM на телефоне без облака — это реально. Исследование и рабочий код
Практическое руководство по параметрически-эффективному дообучению языковых моделей на телефоне. Код, сравнение методов и пошаговый план для on-device training.
02
Когда фреймворки слишком сложны: 5 десктопных приложений для создания AI-агентов без кода
Обзор простых десктопных приложений для создания кастомных AI-агентов локально. LM Studio, Jan, Faraday и другие — без фреймворков и программирования.
03
Локальный 'слой истины' для Claude Code: убиваем 90% галлюцинаций в терминале
Рабочий метод с Apidog CLI для детерминированной проверки API. Практический гайд по созданию локального слоя истины, который делает терминальных агентов предска
04
HR-автоматизация 2026: как заставить LLM читать резюме вместо вас и не сойти с ума
Пошаговый разбор системы автоматического скрининга резюме на открытых LLM. От идеи до продакшена. Реальные метрики, код, ошибки и как их избежать.
05
Искусственный интеллект пишет как человек: гайд по созданию экспертных статей, которые не отличишь от ручной работы
Практическое руководство по созданию качественных статей с помощью нейросетей. Узнайте, как обходить ИИ-детекторы, писать человеческие промпты и создавать уника
06
Gonka: как заработать на децентрализованных AI-вычислениях, арендуя чужой GPU
Пошаговый гайд по запуску ноды Gonka для заработка на AI-вычислениях. Настройка, расчёт ROI, сравнение с облачными провайдерами на 2026 год.
07
GLM 4.7 Flash: как отключить шизофрению в ответах и ускорить в 2 раза
Настройка температуры, top-k и отключение flash attention в llama.cpp для исправления некорректного вывода GLM 4.7 Flash. Практический гайд на январь 2026.
08
Когда 48GB VRAM не хватает: какие локальные модели реально работают с промптами как у Claude Code
Эмпирическое исследование: какие модели на 48GB VRAM справляются с системными промптами в 20k токенов. Тесты Qwen3, GLM 4.6v, реальные показатели памяти.
09
Когда 70B слишком много: лучшие модели 7-14B для админа и пентестера в 2026
Обзор и тестирование компактных LLM для Linux-администрирования, кибербезопасности и DevSecOps в 2026 году. DeepSeek-Coder, Qwen2.5-Coder, CodeLlama и другие.
10
Strix Halo vs RTX 5080: строим персональную AI-лабораторию для обучения LoRA и инференса больших моделей
Подробный гайд по выбору железа для персональной AI-лаборатории: Strix Halo с 128 ГБ ОЗУ против RTX 5080 для обучения LoRA, инференса Qwen 235B и экспериментов
11
Почему модель спорит с пользователем: разбираем «цензуру» dolphin-2.9-llama3-8b и как её исправить
Гайд по исправлению цензуры в локальной модели dolphin-2.9-llama3-8b: меняем системный промпт, параметры, ставим uncensored версии. Работаем в Ollama, LM Studio
12
RLM: практическое руководство по созданию LLM-агентов без контекстного дрейфа и потери цели
Полное практическое руководство по созданию LLM-агентов на архитектуре RLM. Устраняем контекстный дрейф и потерю цели с помощью рекурсивных вызовов. Примеры код