Токеномика: разбираем Big‑T нотацию на примере механики работы Yandex AI Studio
Под крылом Linux Foundation появилось новое направление — Tokenomics Foundation. Фонд выпустил проект описания «Big‑T Notation» (автор — Ден Нефф, старший архитектор облачных решений в Adobe), в котором предлагается фреймворк для оценки и управления расходами на токены в LLM‑ и агентных системах — по аналогии с Big‑O в теории алгоритмов. Токены в бюджетировании обычно относят к категории «разберёмся потом» — примерно как когда‑то на заре Интернета веб‑разработчики относились к SQL‑запросам.
Мужской депрессии не бывает
И женской тоже — это один и тот же диагнозБытует культурный стереотип, что мужская депрессия проявляется как-то принципиально иначе, чем женская: «женщины грустят и переедают, мужчины срываются на окружающих и вовлекаются в рисковое поведение».На деле такое представление — это лишь часть большой картины, и без знания и понимания остальных аспектов оно будет лишь на ступеньку выше, чем «мужчина не имеет права на депрессию».В реальности проявления депрессии у мужчин и у женщин хоть и отличаются, но и вполовину не столь значимо, как это принято считать.
Как мы автоматизировали перевод технической документации через инструменты вокруг модели
Привет! Меня зовут Глеб Смольяков, я инженер-программист в DevRel-отделе Битрикс24.DevRel-команда работает с разными задачами, которые помогают разработчикам и пользователям быстрее разобраться в возможностях продукта. Одна из таких задач — улучшение документации и её перевод на другие языки.В статье расскажу, как мы сделали сервис DocFlow, который автоматизирует перевод документации с русского на английский. Главная часть статьи — о том, как мы создавали инженерный слой для аккуратной точной работы.СодержаниеЗачем понадобился сервис перевода DocFlow
Работа программистов постепенно смещается к проектированию правил и систем обратной связи для ИИ
В Venture Beat вышел материал, посвящённый изменениям в работе программистов из‑за широкого внедрения искусственного интеллекта. Автор считает, что теперь вместо реализации отдельных функций они переходят к проектированию правил, границ и систем обратной связи для ИИ.
Fail-closed фактчекинг: как я строю пайплайн, в котором LLM не может соврать про цифры
Я веду базу знаний по тайским визам и пишу справочный контент с помощью LLM. Ниша неприятная тем, что ошибка в цифре это не опечатка, а чей-то испорченный переезд: человек прочитает про «минимальный остаток 300 тысяч бат», принесёт консульству на 200 тысяч меньше, чем нужно, и получит отказ с невозвратным сбором. Поэтому за год у меня собрался пайплайн, в котором модель физически не может протащить выдуманное число в публикацию. Расскажу архитектуру: она не привязана ни к визам, ни к конкретной модели, и подойдёт любой нише, где факты дороже стиля медицина, налоги, финансы.Почему «не выдумывай» в промпте не работает
5 новых решений для 1С
LLM, финансы, «Госключ» и автоматизация рутиныМы посмотрели на несколько решений, появившихся в августе, и выбрали пять разных сценариев автоматизации: от подготовки данных для нейросети до подписания кадровых документов через «Госключ».1. Как передавать данные из 1С в нейросеть и не раскрывать реальные реквизитыОдна из проблем корпоративного использования нейросетей возникает еще до отправки первого запроса.
Проект Microsoft Zenith в Windows 11 позволит запускать локальные ИИ‑модели без отвлекающих факторов
Microsoft представила Project Zenith — платформу, которая позиционируется как «готовая к работе среда Windows, не отвлекающая от написания кода». Она будет доступна только на избранных аппаратных конфигурациях, ориентированных на разработчиков.
Авторы борются с претензиями издателей и агентов по поводу спора с Anthropic
Некоторые авторы, которые ожидают получения своей доли выплаты от компании Anthropic по иску на сумму $1,5 млрд, на этой неделе получили письма с уведомлением о том, что кто‑то другой претендует на причитающиеся им средства.
Как я использую генеративные модели как оппонента в нескольких AI-проектах
На бумаге задача выглядела почти обидно просто: камера видит салон автобуса, модель распознаёт людей, на выходе появляется число вошедших и вышедших пассажиров.Но чем ближе мы подходили к реальному рейсу, тем меньше задача была похожа на обычную детекцию. Оказалось, что сначала нужно договориться о времени, остановках, идентификаторах и даже о том, что именно считать событием входа. Модель может правильно увидеть человека — и всё равно выдать неправильный бизнес-результат.
