Повезло или сам добился? Как оценить
Предпосылки и моя мотивация к созданию модели описаны в первой статье цикла, поэтому не буду повторяться.Изначально идея была простой.Составляем список факторов, влияющих на жизненный успех. Список создавался исключительно умозрительно, путём рассуждений. Получился такой:ЗдоровьеБогатствоСоциальные связиОбразованиеЖизненные факторыИнтеллектАдаптивностьЛичные усилия
Гонка вооружений. Почему античиты всегда проигрывают?
ДИСКЛЕЙМЕР:Автор не призывает к игре с сторонним ПО. Вся информация, приведенная в статье - приведена лишь в образовательных и ознакомительных целях. Информация была взята из открытых источников и ни к чему не призывает.СОДЕРЖАНИЕ:Как работают современные античитыОсновные принципы поиска вредоносных программНовые методы работы античитовЧем закончится борьба?Как работают современные античитыАнтичит, как и любая другая программа на Вашем компьютере - лишь набор конкретных инструкций
Как я готовился к Честному знаку и разработал подход к нормализации данных
Примечание: Это первая статья из цикла, в которой я делюсь бизнес-смыслами и подходом к решению проблемы. Во второй статье планирую подробно разобрать техническую реализацию.Вступление: Кот в мешкеЯ работаю в компании, которая занимается автозапчастями. Не буду называть бренд, но представьте любой крупный интернет-магазин запчастей — у нас всё примерно так же.
Wikontic: строим графы из текстов, используя онтологию и LLM
Привет, Хабр! Это Алла, я работаю исследователем в команде «Модели с памятью» Лаборатории когнитивных систем искусственного интеллекта Института AIRI и занимаюсь исследованиями на стыке графов знаний и языковых моделей. Ранее я уже писала на Хабре статью про построение графов знаний из текстов по мотивам одной из наших публикаций.Мы активно продолжаем работать дальше и создали Wikontic
Доматчинг товаров с использованием LLM: от промптов до квантизации
Привет, Хабр! На связи команда продуктового матчинга ecom.tech. Наша команда решает задачи поиска, группировки и сопоставления товаров с помощью алгоритмов машинного обучения. Все это необходимо для развития и улучшения бизнес-процессов в компании, а именно быстрого заведения карточек товаров, мониторинга цен на товары и развития ML. В этой статье мы расскажем про доматчинг – сравнение сложных пар товаров, которые отобрали на предыдущем этапе пайплайна, с помощью LLM. Поехали!
BLIMP — Пайплайн синтеза и разметки изображений в Blender
Синтез фотореалистичных сцен, их точных карт глубины и сегментационных масок
LLM — это афера на доверии, которая длится 400 лет
В 1623 году немец Вильгельм Шиккард создал первые известные чертежи механического калькулятора. Спустя двадцать лет Блез Паскаль разработал машину улучшенной конструкции, чтобы помочь справляться с огромным количеством утомительных арифметических расчётов, необходимых в его работе сборщика налогов.Интерес к механическим вычислениям не ослабевал последующие века: поколения людей по всему миру продолжали дело Паскаля и Шиккарда, разделяя их убеждение, что перекладывание умственной нагрузки на машину принесёт облегчение.Аферу на доверии можно разбить на три этапа:начала выстраивается доверие;
