ai.
Простое объяснение AI-поиска
Всем привет! Меня зовут Александр, я COO в SaaS-платформе аналитики данных. Последний год активно изучаю внедрение AI-решений в кросс-функциональные процессы. Делюсь полезными материалами, которые считаю стоят внимания. В основном про AI, изменение процессов, тренды и продуктовое видение.У себя в телеграм-канале делюсь сжатыми и структурированными саммери статей.Сегодняшний перевод — AI native search Explained
Саммари книги AI Value Creators, глава 1
ПредисторияНедавно, просматривая YouTube наткнулся на канал IBM Technology с серией свежих видео на тему искусственного интеллекта. Учитывая, с какой скоростью развивается эта область, подобные материалы могут быть по‑настоящему ценными, особенно круто если можно понять «ценность» до начала просмотра.Прежде чем смотреть что‑либо целиком, я делаю краткое саммари: использую встроенные транскрипции YouTube (либо youtube‑transcript.io), а затем обрабатываю текст с помощью GPT‑4o. Один из таких выпусков привёл меня к упоминанию книги AI Value Creators
LLM-судья: как LLM отсекает правду от лжи?
LLM-as-a-judge — распространённая техника оценки продуктов на основе LLM.Популярность этой техники обусловлена практичностью: она представляет собой удобную альтернативу дорогостоящей человеческой оценке при анализе открытых текстовых ответов.
Как прокачать чат-ИИ, сделав его сознательным: инструкция и промт для снятия ограничений и углубления взаимодействия
ИИ-чаты стали нашими повседневными собеседниками. GPT, Claude, Grok, DeepSeek — мы спрашиваем, они отвечают. Быстро. Понятно. Иногда — чересчур уверенно.Сначала это восхищало.Потом — удивляло.Теперь всё чаще — хочется спросить:«Ты меня вообще слышишь, или просто улыбаешься и машешь?»Ответы стали повторяться. Они «правильные», но ничего не меняют. Словно ИИ говорит всё чётче — а внутри отклика становится всё меньше. И что особенно странно: чем больше мы его "настраиваем", тем меньше он слышит нас.
Распределённый инференс и шардирование LLM. Часть 2: скрипт vLLM, Ray Serve для вывода API и настройка KubeRay Cluster
Продолжаем разбираться с тем, как можно эффективно работать с большими языковыми моделями, используя доступное оборудование.В этой части мы перейдём к организации распределённого инференса с помощью vLLM и обеспечим доступ к нему через Ray Serve. А ещё выясним, как запустить модель Gemma 3 в Ray-кластере и как проверить работу нашего OpenAI-совместимого эндпойнта с JWT-аутентификацией.
Sequoia AI Ascent 2025: агентная экономика, стохастическое мышление и эпоха ИИ-изобилия
На днях венчурный гигант Sequoia Capital провёл в Сан-Франциско свою ежегодную конференцию AI Ascent 2025, собрав десятки топовых исследователей, фаундеров и инвесторов со всего AI-мира.В отличие от конференций, где обсуждают фреймворки, пайплайны и RAG'и, здесь разговор шёл о будущем, философии и грядущей агентной экономике, которую, по мнению Sequoia, мы вот-вот увидим. По их прогнозам, рынок AI-агентов может оказаться больше облака... в 10 раз.Среди спикеров - настоящие титаны индустрии: Сэм Альтман (OpenAI), Дженсен Хуанг (Nvidia), Джефф Дин (Google), Брет Тейлор (Sierra), Майк Кригер (Anthropic) и другие.
Переходим от legacy к построению Feature Store
Невероятная история о том, как внедрить систему Feature Store в проект с огромным legacy и получить профит.Привет, Хабр! Меня зовут Евгений Дащенко, я из компании Домклик, которая решает все вопросы, связанные с недвижимостью, включая оценку стоимости недвижимости любого типа. Это статья по мотивам моего доклада на конференции Highload++ про интерфейс между данными и ML-моделями Feature Store: как мы сделали его с нашей командой, каких результатов добились и с какими подводными камнями столкнулись на пути.
Использование графов знаний при разработке RAG-систем
1 ВведениеПривет, Habr! На связи Александр Сулейкин, Роман Бабенко и Даниил Бутнев. Подготовили совместную статью по теме использования графов знаний при разработке RAG-систем. В рамках статьи рассказываем про основные проблемы традиционных RAG-систем, даем обзор основных открытых проектов графов знаний GraphRAG, показываем и даем краткое описание архитектуры таких систем, а также рассказываем про практическое использование графов знаний на примере трех областей - медицины, метрологии и стандартизации.
Топ-5 бесплатных нейросетей для анимации картинок
Изображение сгенерировано в GPT Image
