Небольшой интерфейс + агентная сетка для решения задач исследований в продуктовой аналитике
Приветики, меня зовут Пётр и я продуктовый аналитик с коммерческим опытом в ПА около 12 лет. В моей работе глобально задачи делятся на 3 типа -- разметка событий, аб-тесты и продуктовые рисерчи.Про разметку я уже писал тут https://habr.com/ru/articles/785320/Под аб-тесты мы с корешами собрали коммерческий воркспейс (зарегайтесь, потестите, это бесплатно (длинно и не обрезано) если не нужны командные фичи). Было тут: https://habr.com/ru/articles/1064034/
OpenAI показала, как ChatGPT используют на практике: от вопросов к действиям, от текста к мультимодальности
OpenAI опубликовала в сервисе Signals статистику использования ChatGPT по странам. Также показали как меняется сам сценарий работы с моделью. За второй квартал 2026 года, в рабочих контекстах люди более чем в два раза чаще просят ChatGPT не просто ответить, а что-то сделать — написать текст, сгенерировать код, провести анализ или подготовить готовый результат. За пределами работы по-прежнему доминируют вопросы и поиск информации, и OpenAI прямо описывает это как сдвиг «от вопросов к действиям».
Как мы научились не тратить деньги на ненужные ИИ-проекты: 4 ошибки и 1 система, которая их исправляет
ИИ-пилоты редко проваливаются из-за «плохой модели». В наших проектах модель честно показывает 80–90% качества, но проект всё равно не взлетает. Либо экономия оказывается меньше стоимости внедрения, либо автоматизируют не тот участок процесса или данные не подтверждают гипотезу. Привет, Хабр! Меня зовут Василий Мухин. Я развиваю направление внедрения искусственного интеллекта в К2Тех: отвечаю за прикладные ИИ-решения, пилотные проекты и оценку эффективности применения нейросетей в реальных задачах крупного бизнеса.
Как разгружать голову: четыре практики ментальной гигиены для тех, кто работает в постоянном стрессе
Что будет с зубами, если их не чистить? Недели, месяцы, годы. Примерно то же происходит с психикой, за которой не ухаживают. Зубам-то повезло, их видно.В этой статье по мотивам доклада для Saint TeamLead Conf
Будет ли self-hosted LLM производительнее, чем модель во внешнем контуре: сравниваем GLM, Claude и GPT
Меня зовут Влад, я фуллстек-разработчик в Selectel
Масштабирование LLM: от одного чипа до ЦОДа. Глава 4. Тренировка трансформера
Предыдущая главаНаконец-то мы добрались непосредственно до того, как тренировать трансформер, и не просто тренировать, а делать это эффективно и масштабируемо.
LLMs haven’t learned to lie. They only speak
LLMs hallucinate — everyone has seen what it looks like. The model reports, confidently and coherently, with the right intonation and terminology, something that isn't there. Engineers treat this as a bug: one being fixed, one about to be fixed.It won't be. This is not a technical fault but an inherent property of language, which the machine has made visible.Language does not need realityLanguage is a unique system precisely in this: it emerges from reality, yet needs no reality for its own coherence.The word-as-gesture and the word-about-a-gesture are built the same way. From inside language they are indistinguishable. "I lifted a stone" and "I lifted the sky" are grammatically equal; what tells them apart is the consequence — the response of whatever doesn't care how it is described: the stone, the hand, the weight. Inside language there is no filter and never was; the check against reality is always performed from outside.
