ai.
Due Diligence с LLM: Разбор Акций МТС
Этот материал — практический кейс, навеянный статьей от сотрудников BlackRock и материалом, который освещал эту новость на Хабресхема взаимодействия агентовВступление: Зачем нужен системный подход
LLM as a Resonance-Holographic Field of Meanings
Alright. I pose the same question to an LLM in various forms. And this statistical answer generator, this archive of human knowledge, provides responses that sometimes seem surprisingly novel, and other times, derivative and banal.On Habr, you'll find arguments that an LLM is incapable of novelty and creativity. And I'm inclined to agree.You'll also find claims that it shows sparks of a new mind. And, paradoxically, I'm inclined to agree with that, too.The problem is that we often try to analyze an LLM as a standalone object, without fully grasping what it is at its core. This article posits that the crucial question isn't what an LLM knows or can do, but what it fundamentally is.The Phenomenon of "Subliminal Learning"A July preprint on arXiv
Градиентный спуск: как «слепой в лабиринте» находит выход в миллиардном пространстве — и почему это сердце любого ML
Пошаговый разбор с метафорами, формулами и лайфхаками, которые спасут ваш fit()
Как мы дистиллировали Qwen для автоматического протоколирования совещаний
Протоколирование совещаний — важная часть корпоративной коммуникации: протоколы позволяют быстро восстановить ключевые моменты, не переслушивая часовые записи. Нас зовут Андрей Ситников и Максим Шкут, мы работаем DS в команде департамента анализа данных и моделирования ВТБ, занимаемся задачей автоматического протоколирования встреч. Мы реализуем ее с помощью LLM-модели Qwen. В этой статье расскажем, как мы оптимизировали inference, сохранив качество генерации протоколов.Эта статья – саммари нашего выступления на Data Fest 2025. Запись выступления вы можете найти по ссылке
MiniMax представила новую модель для кодинга и AI-агентов
Китайская компания MiniMax представила новую открытую модель MiniMax-M2, созданную специально для программирования и AI-агентов. Архитектура Mixture of Experts включает 230 миллиардов общих параметров, из которых одновременно активны только 10 миллиардов.
