«Сбер» представил устройство SberBoom Micro, превращающее Bluetooth‑аудиосистемы в умные гаджеты
«Сбер» представил новое устройство SberBoom Micro, которое работает на базе искусственного интеллекта GigaChat и позволяет превратить любую Bluetooth‑аудиосистему в умный гаджет. Разработкой модели занималась компания SberDevices, входящая в «Сбер».
«Сбер» открыл набор на вторую волну трека акселератора Sber500 с GigaChat по внедрению в разработки от стартапов
«Сбербанк» запускает новый набор на технологический трек акселератора Sber500 с GigaChat. Sber500 с GigaChat представляет собой бизнес‑программу, сфокусированную на помощь во внедрении ИИ в различные продукты стартапов.
Гайд: AI-агент на GigaChat и LangGraph (от архитектуры до валидации) на примере Lean Canvas
Запуск стартапа — это не только идея, но и понимание, как она станет бизнесом. Lean Canvas, предложенный Эшем Маурья, помогает на одной странице структурировать ключевые аспекты: проблемы клиентов, решения, каналы продаж и издержки. Но Lean Canvas за пять минут не заполнить: нужны гипотезы, исследования, слаженная работа команды. А что если большую часть рутины возьмёт на себя AI-агент? Мы в GigaChain решили попробовать. Рассказываем, что из этого получилось.
Искусственный интеллект, который предсказывает рынок: интервью с руководителем Лаборатории ИИ в «Финаме»
Почему крупнейшие финансовые компании вкладывают миллиарды в искусственный интеллект? Может ли ИИ обыграть профессионального трейдера на рынке? И как нейросети уже сегодня пишут код, тестируют его и помогают принимать инвестиционные решения?В этом выпуске мы говорим с Дмитрием Змитровичем — руководителем Лаборатории искусственного интеллекта в «Финаме». Всего несколько месяцев назад он и его команда NLP Core, известная по работе над GigaChat в Сбере, перешли в Финам, чтобы создать одну из лучших в мире ИИ-моделей для финансового сектора.В интервью мы обсудили:
Многозадачные и интеллектуальные. Как мы обучали колонки Sber понимать сразу несколько команд умного дома
Салют, Хабр!
Свой LLM-агент на Typescript с использованием MCP
Вводные словаЕще в 2008 году, посмотрев фильм "Железный человек", я понял, что хочу сделать себе такого же виртуального помощника, как у главного героя был Джарвис — искуственный интеллект, с которым Тони Старк общался в формате обычной речи, а тот понимал его команды и послушно исполнял.
Современный ReAct-агент: подробное руководство по созданию с помощью LangGraph
Привет, на связи команда GigaChain!
Semantic Error Correction Loop (SECL): самоисправляющиеся LLM-пайплайны с понятием доверия к контексту
В последние годы большие языковые модели кардинально изменили ландшафт искусственного интеллекта, открывая невероятные возможности для автоматизации текстовых задач. Однако, несмотря на впечатляющие успехи, одна из ключевых проблем остаётся нерешённой — модели часто допускают логические ошибки, создают неясные или избыточные формулировки, а также генерируют тексты с низкой степенью доверия к собственным ответам.В своей практике я столкнулся с необходимостью повышения качества генерации без постоянного ручного контроля и затратных этапов дообучения. Это подтолкнуло меня к идее нового подхода —
Пишем агента на Kotlin: KOSMOS
Интернет завален реализациями на Питоне, но иногда удобнее разбираться с технологиями на своём основном языке. Для меня это Kotlin.Если вы программист, наверняка к вам приходят знакомые и предлагают писать агентов. Реализовав оного самостоятельно, вы поймете, что задача из себя представляет.Статья обещает соблюдать два принципа, упрощающих восприятие:Движение от частного к общему, потому что легче воспринимать примеры, чем абстракцию.Быстрая обратная связь, как с REPL.
