Универсальный генератор речей, докладов и выступлений
и никаких интелектчатов не надо.
#языковая_модель #генератор_речи #доклады #речи #схемы #шаблоны #генераторы #модели #речевые_модели
https://telegra.ph/Universalnyj-generator-rechej-dokladov-i-vystuplenij-08-05
[Перевод] ИИ-ассистенты: как AI делит рынок разработки
Команда AI for Devs подготовила перевод статьи о том, как быстро растущие AI-ассистенты меняют саму природу разработки. Их код выглядит безупречно — но всё чаще решает не ту задачу, что стоит перед нами. Где проходит граница между ускорением и самообманом, и какую новую ответственность это накладывает на инженеров?
[Перевод] Как LinkedIn масштабировал поиск людей на 1,3 млрд пользователей
LinkedIn запускает обновлённый поиск людей на базе генеративного ИИ — и делает это спустя, казалось бы, удивительно долгую паузу для функции, которая напрашивалась сама собой. Появление новой системы происходит три года спустя после выхода ChatGPT и через полгода после запуска ИИ-поиска вакансий в LinkedIn. Для технических руководителей это — наглядный урок: внедрение генеративного ИИ в настоящих корпоративных условиях, да ещё в масштабе 1,3 млрд пользователей, — процесс медленный, тяжёлый и требующий постоянной прагматичной оптимизации.
https://habr.com/ru/companies/technokratos/articles/967286/
#поиск #поисковые_системы #linkedin #ai #llm #большие_языковые_модели #дистилляция #модели #mlмодели
Schema-Guided Reasoning: как научить языковые модели последовательно рассуждать
LLM умеют многое: генерировать тексты, анализировать документы, писать код. Но на практике их работа часто непредсказуема — сегодня модель даёт точный ответ, а завтра на тех же данных ошибается, пропускает ключевые шаги или придумывает факты. Для AI-инженеров это системная проблема. Возьмём автоматизацию документооборота: нужно классифицировать договоры, извлекать реквизиты, проверять стандарты. Но модель работает как лотерея — результат не поддаётся логике или меняется при повторном запуске с одинаковыми данными. Как встроить такой результат в бизнес-процесс? Для решения этой задачи появился подход Schema-Guided Reasoning (SGR) . Его активно продвигает Ринат Абдуллин в материалах по работе с LLM. Идея проста и эффективна: заставить модель мыслить не хаотично, а внутри заданной схемы. Это не панацея, но SGR серьёзно снижает количество ошибок, делает процесс прозрачнее, а также позволяет тестировать отдельные компоненты рассуждений.
https://habr.com/ru/companies/redmadrobot/articles/962236/
#scheme #sgr #llm #модели #схемы #системы #structured_output #function_calling
[Перевод] Небольшое количество примеров может отравить LLM любого размера
Команда AI for Devs подготовила перевод исследования в котором учёные показали: чтобы встроить «бэкдор» в большую языковую модель, вовсе не нужно контролировать огромную долю обучающих данных — достаточно около 250 вредоносных документов . Этот результат переворачивает представления о масштабируемости атак через отравление данных и ставит новые вопросы к безопасности ИИ.
https://habr.com/ru/articles/956948/
#LLM #безопасность #отравление_данных #бэкдор #Anthropic #ИИ #исследование #уязвимость #обучение #модели
Исчезнувший агент
Недавно прошла конференция Яндекса по ИИ и облачным технологиям. Впечатлила работа с AI Studio, демонстрирующая возможность создавать агентов "на лету", даже не используя программирования. Естественно, любую вещь надо попробовать, и я принялся за дело. Захожу в студию, выбираю модель - Qwen 3 выбрал, пишу промпт. Агент будет выполнять роль сотрудника отдела аренды, рассказывать о наличие помещений, их стоимости, площади, условиях использования и оплаты. Чтобы не усложнять, прямо в промпте в формате Json информацию и начинаю тестировать, задавая вопросы. Список вопросов прямо из записей облачной АТС, чтобы было всё по-взрослому. В целом ответы агента устраивают, вполне живой разговор получается. Внезапно вспоминаю, что въезд на территорию платный и пишу уточнение в промпте - "въезд платный, можно однократно платить, или купить абонемент" А дальше начинается треш:) - Подскажи, въезд на территорию платный? - Нет, въезд бесплатный для всех арендаторов! Что за фигня, думаю. Ладно, уточняю в промпте - "строгое уточнение -въезд на территорию платный!" Агент не сдается - Въезд на территорию бесплатный для всех арендаторов. Да что за... Переписываю промпт, ставлю упоминание о платном въезде в самом начале, - результат не меняется, агент держится за свою позицию о бесплатном въезде. Еще после пары итераций сдаюсь, редактирую целиком агента, заменяя модель Qwen на модель Яндекс Pro. И чего вы думаете - опять "Въезд бесплатный для всех арендаторов" Добавляю Правила въезда: - Въезд на территорию платный для всех - Никаких исключений для арендаторов - Нет пропусков или свободного доступа - Оплата: разово или абонементом
https://habr.com/ru/articles/955426/
#искусственный_интеллект #агенты #модели #яндекс #юмор #дипсик
Web Agent: автономная ИИ-экосистема от Alibaba — новый этап развития веб-агентов
Индустрия искусственного интеллекта продолжает удивлять инновационными решениями, и появление Web Agent от лаборатории Alibaba NLP's Tawni Lab представляет собой значительный шаг вперед в области автономных систем. Данная экосистема демонстрирует качественно новый подход к созданию ИИ-агентов, способных самостоятельно навигировать, анализировать и действовать в веб-пространстве.
SLAVA — бенчмарк социально‑политического ландшафта и ценностного анализа
Большой обзор: от идеи и структуры — до неожиданных выводов и практических сценариев применения SLAVA — это открытый русскоязычный бенчмарк, разработанный экспертами РАНХиГС и ИСП РАН для проверки, как большие языковые модели справляются с фактологическими и ценностно нагруженными вопросами по истории, обществознанию, географии и политологии. В корпусе — 14 199 заданий пяти форматов и трёх уровней провокационности. Уже протестировано более 40 моделей: от GPT‑4o и Claude‑3.5 до GigaChat и Llama‑3 8B. Это открытый русскоязычный бенчмарк, созданный для проверки, как большие языковые модели справляются с фактологическими и ценностно нагруженными вопросами из истории, географии, обществознания и политологии. Мы расскажем:
Yuriy Karetin
Habr
Информационное агентство
