Google снизил энергопотребление AI-запросов в 33 раза: что это значит для будущего ИИ
Искусственный интеллект давно вышел за рамки научной фантастики и стал частью нашей жизни — от поисковых систем до чат-ботов и голосовых помощников. Но у этого удобства есть немалая цена: для генерации ответа ИИ расходует значительные вычислительные ресурсы и энергию.
Эмоции и шахматы: как психоэмоциональные паттерны влияют на исход партий
Время чтения: ~8–10 минутПолезность: Для шахматистов, тренеров, комментаторов, исследователей психологии и нейронаукОценка пользы: 9/10 — поможет понять влияние эмоций на игру, научиться прогнозировать исходы, улучшить психологическую подготовку
Я управляю тестированием ИИ-моделей 4 года. Что я понял за это время?
Привет!Меня зовут Валентин, я — руководитель направления тестирования моделей машинного обучения в Альфа-Банке. Моя команда занимается тестированием ML-моделей и модельных сервисов для наших клиентов уже более четырех лет, и более трех из них я погружен в наши процессы QA.Я попал в Альфу через проект компании KTS, над которым работал раньше, и первое время занимался ручным тестированием. За несколько лет прошел путь от линейного тестировщика до руководителя команды из 8 человек, и в этой статье рассказываю о своем опыте и делюсь советами, которые дал бы самому себе несколько лет назад.
ИИ-помощник для HR: когда нужен системный подход, а не разовый промпт в ChatGPT
На HR-специалистов одновременно ложатся задачи рекрутинга, адаптации, обучения, аналитики. Поэтому многие пользуются нейросетями: кто-то просит помочь с составлением вакансии, кто-то — с подготовкой документов. Чаще всего это происходит стихийно, и только 5% российских компаний системно внедряют ИИ-решения в процессы. Это требует настройки инфраструктуры, обучения моделей, контроля качества данных и соблюдения правовых норм. Но именно такой подход дает бизнесу ощутимый результат.Разберемся, какие задачи может взять на себя полноценный ИИ-помощник, и когда действительно оправдывает ожидания.
Спорить бесполезно? Люди никогда не меняют своего мнения
«Факты никого не переубеждают», «спорить бесполезно», «люди всё равно никогда не меняют своего мнения» — ловили себя на таких мыслях? Может, прямо сейчас вы думаете так же? Тогда у меня для вас кое-что интересное.Сегодня поговорим о том, способны ли люди вообще менять своё мнение, что мы сами думаем о чужой изменчивости взглядов — и как всё это влияет на наше общение. Но для начала взглянем на два радикальных взгляда утверждающих одно и то же.Сайнстер:
Тренды архитектуры ПО — взгляд InfoQ 2025
Ключевые идеиПока все вокруг активно прикручивают большие языковые модели, новые эксперименты всё чаще уходят в сторону более компактных и специализированных SLM и агентного ИИ.RAG уже стал почти обязательной надстройкой, чтобы вытянуть качество ответов из LLM, и теперь архитекторы стараются проектировать системы так, чтобы его было проще встроить.
Неочевидные подробности обучения двухбашенных моделей
Введение Привет, Habr! Меня зовут Андрей Атаманюк, я Data Scientist в R&D команде рекомендательных систем Wildberries & Russ. В этой статье я разберу тонкости обучения двухбашенных моделей (без специфики к домену рекомендаций), которые могут существенно влиять на качество рекомендаций, но часто остаются за кадром. Речь пойдёт о систематическом росте норм эмбеддингов популярных товаров — эффекте, который противоречит интуитивным ожиданиям от косинусных лоссов.
Пользователям Anthropic предложили отказаться от использования данных чатов или поделиться ими для обучения ИИ
Компания Anthropic вносит существенные изменения в политику обработки пользовательских данных. В соответствии с новыми правилами, пользователи чат-бота на базе искусственного интеллекта Claude должны решить до 28 сентября, хотят ли они разрешить использовать свои данные чатов для обучения моделей Anthropic.
Релиз FastMesh — метода генерации мешей 3D-объектов
Исследователи из Наньянского технологического университета (Сингапур) представили FastMesh — метод быстрой генерации 3D-мешей. Добиться ускорения удалось благодаря разделению процесса компоновки сеток. Вместо создания треугольников система сперва генерирует вершины, а после восстанавливает по ним грани.
