ai.
Ты учишь AI, AI учит тебя
Yarrow AI учит языкам и в своей основе это не LLM, а логическая машина. Такие системы эффективны, но их очень сложно наполнить данными: приходится каждое знание/правило вносить в базу данных вручную. Это было одной из причиной их вымирания 30 лет назад. Мне удалось решить эту проблему попутно убив одним выстрелом еще пару зайцев.
Стек разработки с ИИ для 1С
В публикации рассмотрим какие AI инструменты сейчас применимы для разработки на 1С и особенности их использования.Стек конечно каждый сам подбирает под себя. Но вцелом набор вариантов, которые сейчас есть на рынке, достаточно ограничен, поэтому я приведу наиболее популярные примеры. C различными опциями. Начну с наиболее удачных как мне кажется и завершу наиболее эксклюзивными.Стек 1. Cursor basedЦентральным звеном этой является Cursor IDE - для работы нужен VPN.Схема наиболее удобна и на мой взгляд самая продуктивная.
Подвинься, LLaMA! Новая open‑source LLM от Tencent — Hunyuan‑A13B — уже доступна для самостоятельного хостинга
Tencent только что выпустила новую open‑source модель под названием Hunyuan‑A13B‑Instruct. Весы модели открыты (насчёт кода — пока неясно), и она может работать локально (если у вас есть GPU уровня NVIDIA DGX B200). Если вам интересно, как она себя показывает, и вы хотите попробовать её в деле — ниже инструкции, как можно её быстро развернуть на арендованной видеокарте за несколько минут.📎Перевод, оригинальная новость здесь.Что такое Hunyuan‑A13B?
Процедурная генерация миров с использованием AI: интеграция MidJourney и GauGAN2 в геймдев
Создание сотен локаций вручную непрактично для инди-разработчиков, а алгоритмы шума о которых я писал ранее ограничены. Искусственный интеллект, такой как MidJourney и NVIDIA GauGAN2 (интегрирована в NVIDIA Canvas, бесплатно доступный для пользователей с видеокартами NVIDIA RTX), предлагает новые возможности: нейросети генерируют текстуры, биомы и концепт-арт с высокой детализацией.
Как создать свой Perplexity: Архитектура AI для глубокого исследования на Next.js и OpenAI
AIFA DEEP RESEARCH⚠️ Предупреждение для разработчиковМногие программисты в ближайшие годы потеряют работу из-за ИИ. Но не те, кто научится его создавать.
Зоопарк версий питона в ИИ, какую версию лучше выбрать в 2025 для большинства задач?
Разработка в области искусственного интеллекта развивается стремительно. Каждый месяц появляются новые модели и фреймворки, и часто возникает вопрос: какую версию Python использовать для локальной разработки и экспериментов, чтобы обеспечить максимальную совместимость и избежать «ада зависимостей»? Но, можете не тратить время на чтение. СРАЗУ ВЫВОД: Рекомендуемая версия: Python 3.10.x.
Тест-кейсы на автопилоте: как Spring AI и Atlassian MCP упрощают жизнь тестировщика
А также Qdrant, Allure TestOps и вера в светлое будущееКак по старинке?Если в вашей компании по каким-либо причинам продолжают верить в силу тестирования, то вам, как тестировщику, необходимо писать тестовую документацию, основа которой лежит в наборе тестовых кейсов. Ходят легенды, что тест-кейсы содержат самую актуальную информацию о продукте и его фичах. Спецификации устаревают, эксперты, знающие все и вся, увольняются, а тесты по тест-кейсам прогоняются каждый божий день и демонстрируют реальное состояние дел в вашем замечательном (или не очень) продукте.
Как заставить AI-ассистента работать с базой знаний в enterprise-компании. RAG-модель в архитектуре
Компания платит дважды: за создание базы знаний и за ее игнорирование. В этой статье разберем, как превратить ее из цифрового кладбища в мощный инструмент с AI-ассистентом – без галлюцинаций LLM и нарушений compliance.Для начала небольшая ремаркаМногие представляют базу знаний как эдакую внутреннюю википедию, где описаны основные процессы, в отдельных папках хранятся регламенты и инструкции, все красиво упаковано, на лугах пасутся розовые пони. Никто не суется в эту базу знаний, потому что информация устаревает до того, как будет опубликована.
GPU Server and AI Infrastructure: тренды архитектуры 2030
Мы в OpenYard внимательно следим за тем, как развивается инфраструктура для искусственного интеллекта — от железа до сетей и архитектуры дата-центров. Причём это не просто рабочая необходимость, а и то, что нам самим по-настоящему интересно. В эту статью попали материалы, которые мы собираем и анализируем в процессе исследований для наших новых продуктов. Здесь собраны ключевые тренды, которые уже начинают влиять на то, как мы будем строить свою инфраструктуру и запускать модели ИИ в ближайшие 5–7 лет.
