Перейти к содержанию
Ctrl K
Telegram MAX
Тематическая лента

Подборка материалов

Публикации, объединённые общей практической задачей.

5533 материалов
01 Автоматическая чистка персональных данных: от текстов до картинок с Amazon Bedrock Пошаговый гайд по автоматическому обнаружению и скрытию персональных данных в любом контенте с помощью Amazon Bedrock. Архитектура, код, ошибки. 8 мин чтения 02 Трейсы вместо кода: почему observability — это новая документация для AI-агентов Почему observability заменяет документацию для AI-агентов. Как трейсы LangSmith, OpenTelemetry и Iris Agent помогают понять недетерминированное поведение. Практ 7 мин чтения 03 Один против всех: почему мульти-агентные системы — это не всегда круто (и как понять, когда они вам нужны) Практическое руководство по выбору архитектуры AI-агентов: когда использовать одиночного агента, а когда запускать команду. Основано на исследованиях Anthropic, 10 мин чтения 04 AWQ vs GPTQ на SageMaker: какое квантование реально ускоряет LLM-инференс Тестируем AWQ и GPTQ квантование на SageMaker: ускорение инференса, качество ответов, стоимость. Реальные тесты с Llama 3.1, Falcon 180B, DeepSeek V3. 7 мин чтения 05 Продвинутые техники тонкой настройки LLM для мультиагентных систем: паттерны Amazon в продакшене Практические техники тонкой настройки LLM от Amazon для мультиагентных систем. SFT, PPO, DPO, GRPO с метриками: -33% ошибок, -80% человеческих усилий. Паттерны 7 мин чтения 06 Как Remote использует Code Execution Agent на LangGraph для миграции данных: решение проблем контекста и галлюцинаций Разбираем кейс Remote: как агент, исполняющий код на LangGraph, решает проблемы больших файлов, контекста и галлюцинаций при миграции данных. 9 мин чтения 07 Как автоматизировать анализ логов безопасности с Amazon Bedrock и Claude Haiku: кейс Palo Alto Networks Технический кейс: как Palo Alto Networks использует Amazon Bedrock (Claude Haiku + Titan Embeddings) для анализа миллионов логов безопасности с точностью 95%. 6 мин чтения 08 Llama, Ministral или GPT-OSS20B: какая локальная модель лучше генерирует синтетические данные в 2026? Тесты и бенчмарки синтетической генерации данных на локальных LLM в 2026 году. Какая модель лучше для BERT и приватных датасетов без облаков. 7 мин чтения 09 64 ГБ RAM, чистая CPU и MoE-модели: кто выживает в спартанских условиях Практический гайд: какие MoE-модели реально работают на 64 ГБ RAM без видеокарты. Тесты GLM-4.7-Flash, Nemotron-3-Nano-30B-A3B, Qwen3-Coder-30B-A3B для кодинга, 9 мин чтения 10 RTX 3090 для LLM: сборка кластера, замена термопасты, тесты SLI и драйверы Nvidia Практическое руководство по сборке бюджетного кластера для LLM на RTX 3090. Замена термопасты, тесты SLI, выбор драйверов Nvidia и оптимизация PCIe. 8 мин чтения 11 Консалтинг без утечек: собираем локальную фабрику анализа документов за £30K Полный гайд по сборке рабочей станции на 3× RTX Pro 6000 для анализа конфиденциальных документов. RAG архитектура, долгоконтекстные модели, бизнес-автоматизация 8 мин чтения 12 Claude Code против Llama-4 Scout: когда 1М токенов — это иллюзия, а LiteLLM — единственный путь Экспертный разбор реальной работы сверхдлинного контекста. Настройка vLLM + LiteLLM прокси, коллапс эффективного контекста и практические тесты качества рассужд 8 мин чтения