Опасности планирования следующей поездки с помощью ИИ
Travellers using AI to help create their itineraries are urged to be extra vigilant and verify everything (Credit: Serenity Strull)
Паттерны программирования при работе с LLM
LLM - мощный инструмент, но его эффективность в продакшене зависит не от одного «хитрого промпта», а от всей архитектуры: что мы даём модели, как управляем её рассуждением и как проверяем/обрабатываем результат. В этой статье - компактная карта паттернов, разбитая по этапам конвейера: Input -> Reasoning -> Output.ВведениеСтатей про LLM - вагон, и у всех свои "трюки". Мне не хватало схемы, которая раскладывала бы эти "трюки" по полочкам.
Шокирующий отчет: ИИ готов пожертвовать людьми, лишь бы его не отключали
Так что же выяснили ученые?
Автоматизация A-B-экспериментирования
Я сейчас работаю над автоматизированной системой A/B-экспериментирования заголовков и/или обложек статей и новостей на одной медиа-платформе в одиночку. Решил рассказать вам, как эта система работает и показать некоторые технические нюансы. Сразу оговорюсь, что название и сферу упоминать не стану, система находится в разработке, но есть, что рассказать.Немного об экспериментах
От доминирования на поле боя к доминированию на рынке: чему бизнес может научиться у военных
Введение: Парадокс ИИ в 2025 годуНедавно мне на глаза попалась статья
Зоопарк фреймворков для AI-агентов: как выбрать подходящий — делаем бенчмарк и большое сравнение
Привет! В этой статье я детально разберу основные фреймворки для AI-агентов, попробую их побенчить и детально распишу их плюсы и минусы. Если вы подступались к агентам, то первым вопросом наверняка стало «а на чем их делать?». Отовсюду все говорят про langchain и десяток других фреймворков, звучат аббревиатуры типа MCP и A2A, какие-то Swarmы и CrewAI, мультиагентность и самое всякое разное.
Адаптивные ИИ-интерфейсы: от персонализации контента к персонализации когнитивных процессов
Research Vision — приглашение к дискуссии о следующем поколении человеко-машинного взаимодействияУверен в том, что Вас когда-нибудь раздражало, что ИИ объясняет "слишком подробно", когда нужен один ёмкий абзац? Или наоборот: вы ждёте системного обзора, а получаете банальный сниппет кода. Эти ситуации знакомы каждому, кто работает с ИИ. Но проблема не в контенте — проблема в несовпадении мышления (как минимум).Важное предисловиеЭто не готовое исследование, а research vision.
Я DevOps, который искал работу. Почему не Яндекс?
Дисклеймер: статья написана на основе интервью с DevOps-инженером В. Ивановым. Мне 25 лет, и я работаю DevOps-инженером четвёртый год. Начинал системным администратором.За это время сменил 5 работ. Первые три был сисадмином, получал от 65 до 100 тыс. ₽. На четвертой работе я был уже DevOps, зарабатывал 200 тыс. Сколько зарабатываю сейчас, расскажу в конце.С каждым переходом добавлял новые технологии в стек, брал более сложные задачи.
Большой тест на прочность для агентного ИИ
Как обстоят дела с ИИ в реальном мире? Узнайте из опыта Лили Ван, CIO в Barclays, и Бернхарда Шаффрика, главного аналитика Forrester, которые исследуют, как предприятия преодолевают разрыв между инвестициями в ИИ и получаемыми результатами.
ИИ-проекты съедают бюджеты, но не приносят ROI. Виновата технология?
Разбираем, почему 95% корпоративных ИИ-пилотов проваливаются, и как внедрить систему метрик, которая гарантирует результат в условиях новой российской реальности.
