Как защитить LLM-агентов от gradient-based adversarial attacks-атак: VRF + LoRA подход
Представьте LLM-агента, который читает торговые сигналы из публичных источников, анализирует их и принимает решение покупать/продавать токены. Каждый день он управляет миллионами долларов. Такие агенты встречаются везде: в Discord, Twitter, Telegram, на собственных серверах компаний.Проблема? Как и большинство LLM-систем в production, они работают на открытых моделях - LLaMA, Mistral и т.д.Открытая модель означает одно: атакующий может скачать её веса и локально оптимизировать адверсариальную атаку через градиентный спуск. И самое страшное - найденная атака будет работать на всех инстансах одновременно, независимо от платформы.
Что в работе аналитика поменялось за пять лет, а что только в вакансиях
Я пришла в аналитику в 2020 году, шесть лет в профессии, и среди прочего проверяю работы тех, кто учится на аналитика сейчас. Так что у меня перед глазами оба конца отрезка: и с чего начинала я, и с чем приходит новый поток, который я вижу каждую неделю десятками.И вот что не сходится: если открыть вакансии аналитика в 2026 и почитать требования, кажется, что профессия сменилась целиком: везде ML, LLM, дата-инженерия, облака, а SQL с Excel идут как что-то само собой разумеющееся, будто это уже даже не навык, а воздух. Человек, который вкатывается сейчас, читает это и решает, что опоздал на пять лет и учить надо всё и сразу.
Shorts Maker v2: как я превратил AI-генератор видео в возобновляемый production pipeline на Python
Привет, Хабр!Некоторое время назад я написал первую версию генератора коротких видео для Shorts, Reels и TikTok. На вход подавалась тема — например, «Сюжет “1984” за одну минуту», — а на выходе получался вертикальный ролик со сценарием, изображениями, анимацией, озвучкой и субтитрами.Первая версия доказала, что идея работает. Но она же показала, что сгенерировать ролик один раз и построить надёжный production pipeline — совершенно разные задачи.
Как ИИ‑агент помог автоматизировать рекламу на площадке без API, быстро проверить гипотезу и вовремя свернуть проект
Привет! Я Катерина Лапаева, руководитель GIGASCHOOL. В этой статье хочу разобрать кейс Максима Тодорова. Максим собрал систему в качестве итогового проекта на практическом курсе по автоматизации бизнес‑процессов с помощью ИИ‑агентов, который мы разработали вместе с экспертом Андреем Кузьминых, @Dataist. В течение курса участники выбирали реальный процесс, проектировали его целевую схему, определяли роль человека и агента, а затем собирали рабочий прототип и считали его экономику.
Армия в терминале
Как coding agents превратили разработчика в диспетчера машин — и запустили гонку оркестраторов, песочниц и ИИ‑фабрик.Ещё недавно программист открывал один терминал и разговаривал с одним агентом. Затем терминалов стало пять, веток — семь, а главным дефицитом оказался уже не код, а человеческое внимание.
Глобальный рынок 5G вышел из тестов: что сделали США, Китай, Южная Корея, Великобритания и Германия
Привет, Хабр! В первом материале из цикла мы разобрали, чем пятое поколение связи отличается от предыдущих стандартов, какие технологии лежат в его основе и почему операторы рассматривают 5G как фундамент для нового этапа цифровой экономики. Сегодня поговорим о том, как эта технология распространяется по миру.
AI-агент для анализа требований в финтехе: собираем контекст и находим проблемы до разработки
В прошлой статье
Автоматизировать бардак нельзя навести порядок
В предыдущей статье о ГОЭЛРО я писал о программе «А»: прежде чем строить новые мощности, план предусматривал восстановление и реконструкцию существовавшего энергохозяйства. Сначала вернуть основанию работоспособность — и лишь затем возводить на нём новое. Исторически эта часть плана действительно называлась программой «А»; такое описание приводит, в частности, Минэнерго России.
