Перейти к содержанию
Ctrl K
Telegram MAX
Тематическая лента

Подборка материалов

Публикации, объединённые общей практической задачей.

5545 материалов
01 Полное руководство: Как собрать голосового ассистента на локальных LLM (KoboldCpp, TTS, Web Search) Пошаговое руководство по созданию локального голосового ассистента с KoboldCpp, TTS синтезом речи и веб-поиском. Приватная альтернатива HeyAmica и Jarvis. 9 мин чтения 02 STELLA: создаём простого Linux shell-агента на LangChain и Ollama с защитой от опасных команд Пошаговый гайд по созданию безопасного Linux shell-агента STELLA с LangChain и Ollama. Автоматизация команд с защитой от опасных операций. 13 мин чтения 03 Как LLM обманывают даже экспертов: опасность temperature=0 и проверка фактов Почему GPT-5.2 и Opus 4.5 уверенно врут даже при temperature=0. Как проверять факты и не попасть в ловушку доверия к нейросетям. 7 мин чтения 04 Как собрать датасет и обучить LLM с нуля на исторических текстах: кейс TimeCapsuleLLM Пошаговый гайд по сбору датасета и обучению LLM на исторических текстах. 90GB данных, 1.2B параметров, кастомный токенизатор, снижение bias. 9 мин чтения 05 MoE на Radeon 780M: как запустить 70B-модель на мини-ПК за 1500$ Пошаговая настройка ROCm, сборка llama.cpp, оптимизация и реальные бенчмарки MoE-моделей на бюджетном железе. Mixtral, DeepSeek, Qwen на Minisforum UM890 Pro. 8 мин чтения 06 Sparse Autoencoders (SAE): вскрываем чёрный ящик LLM, чтобы понять, как они на самом деле думают Полное руководство по Sparse Autoencoders (SAE) для интерпретации скрытых активаций LLM. Математика, код на PyTorch и пошаговая реализация. 11 мин чтения 07 Бюджетный кластер на AMD Strix Halo для LLM до 345B: инструкция, тесты и подводные камни Пошаговая инструкция по сборке бюджетного кластера на AMD Strix Halo для запуска LLM до 345B параметров. Тесты скорости, настройка llama.cpp RPC, сравнение с до 8 мин чтения 08 От нуля к автономному AI-агенту на 165 инструментов за 6 дней: кейс нетрадиционного обучения и prompt engineering Личный опыт создания AI агента на 165 инструментов без навыков программирования. Нетрадиционное обучение, когнитивное партнёрство и prompt engineering в действи 7 мин чтения 09 MLSD: Как не сгореть, проектируя рекомендательные системы. Универсальный план и главные подводные камни Универсальный фреймворк MLSD для проектирования ML-систем. Разбор главных проблем рекомендательных систем (RecSys): оффлайн/онлайн валидация, признаки, AB-тесты 8 мин чтения 10 ACDD и атомарное мышление: как дисциплина коммитов спасает проекты в эпоху AI-разработки Практическое руководство по ACDD и атомарным коммитам для команд, использующих ИИ-инструменты. Как сохранить контроль над кодом в эпоху AI-разработки. 7 мин чтения 11 Как fine-tune модель под новый язык программирования: полное руководство с кодом Полное руководство по тонкой настройке LLM для поддержки нового языка программирования. Сбор датасета, выбор модели, обучение с LoRA, код на Python и разбор оши 7 мин чтения 12 NVIDIA ломает парадигму: LLM теперь учатся на лету, а не просто вспоминают Глубокий разбор прорывного исследования NVIDIA: как заставить языковые модели обучаться на предоставленном контексте в реальном времени. Технология, которая мен 7 мин чтения