Hugging Face выпустила ML Intern — агента для обучения и публикации моделей
Hugging Face добавила в HuggingChat AI‑агента ML Intern для задач, связанных с машинным обучением. В компании его описывают как автономного ML‑инженера: пользователь формулирует задачу на естественном языке, а агент изучает документацию, подбирает данные и модели, генерирует код, запускает вычисления и сохраняет полученные артефакты.
Мы научили песок думать
Один из главных вопросов сегодня: не забегает ли развитие искусственного интеллекта слишком далеко?Венчурный инвестор Марк Андриссен недавно сформулировал происходящее одной фразой:«Мы научили песок думать».
Разработчик оставил Claude проводить исследование. Вернулся — и обнаружил, что ИИ запустил себе 16 виртуальных машин
Разработчик дал Claude задачу самостоятельно провести исследование небольшой модели для настольной игры и оставил агента работать. Когда он вернулся, оказалось, что за это время ИИ успел запустить 16 GitHub Actions runners — виртуальных машин, на которых можно параллельно выполнять вычисления.
Внедрение AI в продукт: 9 ошибок продуктового менеджера
Привет, Хабр. Меня зовут Андрей Коптелов, я бизнес‑архитектор, много лет работающий на стыке управления бизнес‑процессами и корпоративной архитектурой. Одним из направлений моего развития является обучение, где я являюсь менеджером нескольких образовательных продуктов. Последние годы применяю LLM и AI‑агентов в своей практике. В этой статье я разобрал 9 ошибок продуктового менеджера при внедрении AI в продукты.
Настройка MS SQL Server под 1С: планирование и развёртывание (Часть вторая)
Это вторая часть разбора ошибок конфигурации MS SQL Server под 1С. Первая часть — про планирование и развёртывание: профили нагрузки, дисковая подсистема, баланс ресурсов, инсталляция и виртуализация, здесь первая часть. Там же была описана типичная история дефолтного развёртывания сервера на прод или «как не надо».
Программирование с нуля бесплатно: 10 курсов, демодоступов и вебинаров — от тестировщика до ИИ и безопасности
Гайдов о том, как войти в IT, — вагон. Беда в другом: почти все ведут в платный марафон или предлагают выучить десять языков за месяц, а с главным вопросом оставляют один на один — в какую сторону двигаться и что из этого можно попробовать бесплатно.
Утечка на 3.5 часа вперёд: как модель обманывала саму себя полтора месяца — и как мы это поймали
Полтора месяца ML‑ансамбль в моей торговой системе показывал на бэктесте AUC 0.78 — солидное число для предсказания движения цены по 15-минутным свечам. В бою та же система в лучшем случае выходила в ноль. Разрыв между «отлично работает на истории» и «ничего не работает в реальности» — самый частый и обманчивый симптом в прикладном ML на временных рядах. Обычно за ним стоит одно из трёх: недообучение на новых условиях, изменившийся рынок или утечка данных.
