Как я читерил с ИИ в реверс‑инжиниринге промышленного ПО
ВведениеНаша команда занимается разработкой и внедрением систем предиктивной диагностики промышленного оборудования на предприятиях нефтегазохимического комплекса. Поскольку значительная доля технологического оборудования и промышленных информационных систем на таких предприятиях имеет зарубежное происхождение, интеграция с ними никогда не была простой задачей, а в условиях санкционного давления заметно усложнилась.
Чья нейронка умнее?
Всем привет, я фаундер агрегатора нейросетей BotHub, и мне вдруг захотелось поделиться своими мыслями на тему специализаций в разных моделей искусственного интеллекта.Все текстовые нейросети строятся по одной технологии - трансформер, которая открыта и общедоступна всем, которая кстати была разработана в недрах корпорации Google. Разница лишь кроется в том как их обучают.
Бенчмарк Маракуйя ИИ на Terminal-Bench 4 и OSWorld 2
Всем привет!В прошлой статье я гонял Алису и Гигачат по сложным бенчмаркам как чаты: Arena-Hard, WildBench, MultiChallenge, τ³, ПРАКТ-120. Там модель должна была отвечать текстом в браузере - как будто она общалась с пользователем, а пользователь задавал разные задания. Те тесты определяли, справляется ли модель именно как чат-агент.
Сравнение Алисы (Яндекс) и Гигачат (Сбер) по 5 бенчмаркам: τ³, ПРАКТ-120, MultiChallenge, WildBench и Arena‑Hard
Пара вводных слов, чтобы было понятно о чем речьВсем привет!Я обещал написать эту статью и я наконец-то закончил тесты и готов поделиться с вами результатами.Я потратил МНОГО времени на то, чтобы прогнать эти бенчмарки. Много времени на сетапы, много времени на ожидание тестов. Все вместе заняло около двух недель работы - модели обрывались, где-то нужно было костылять заплатки чтобы они отвечали, где-то просто ждать по несколько дней на прохождение теста (даже в многопоточном тестировании).
PRACT-120 — бенчмарк для оценки ИИ‑чатов
Когда выбираешь ИИ‑чат для работы, многие первым делом открывают таблицы бенчмарков: MMLU, GPQA, HumanEval, LMSYS Arena. Цифры полезные. Результаты в них отвечают на вопрос, насколько сильна сама модель этого чата, но ни один из этих тестов не показывает, насколько силен чат в целом, ведь чат — это не просто модель. Чат это гораздо больше — совокупность инструментов, обвязка, поиск в интернете, память и контекст чата, и многое другое, собственно, то самое из‑за чего люди и выбирают тот или иной чат для работы или жизни.
llms.txt — кто его реально читает и нужен ли он вашему сайту
Ну что, сыграем сегодня в разрушителей мифов? Тем более, именно этот миф набил оскомину и пару маркетинговых физиономий. Итак, давайте разбираться, что же такое этот наш элэлэмс текст, зачем он нужен и нужен ли вообще.
«Яндекс» объявил финансовые результаты за II квартал 2026 года
«Яндекс» объявил неаудированные финансовые результаты за второй квартал 2026 года. По данным компании, выручка группы выросла на 16% год к году и составила 386 млрд рублей. Выручка
