Корпуса персональных данных: 56 тысяч размеченных сущностей и ни одного вызова инструмента
В первой статье мы проверяли, что происходит с агентом после маскирования данных. Здесь другой вопрос: на каких наборах вообще проверять такой шлюз? Эту статью можно читать отдельно.Допустим, шлюз нашёл телефон в сообщении и заменил его. Проверка детектора прошла. Затем модель вызвала find_customer(phone=...). Какой номер получила CRM? Нашла ли нужного человека?В корпусе для распознавания сущностей обычно нет ни CRM, ни вызова, ни результата поиска. Там есть текст и разметка телефона. Для проверки детектора этого достаточно. Для проверки всей цепочки нужны дополнительные данные.
Как сделать GeoAI-агента, который ищет пожары и отправляет к этим местам пожарные расчеты и дроны
По материалам Космохакатона-2026.Привет, Хабр! На связи команда «Стрела». Недавно мы вернулись с Космохакатона-2026. Задача перед командой стояла следующая. Нужно было на основе исходных данных дистанционного зондирования Земли сделать программный продукт которым реально захотят и смогут пользоваться пожарные, спасатели и экологи для мониторинга возникновения чрезвычайных ситуаций, их предотвращения и анализа последствий.
Как дать Claude Code документацию, которую он прочтёт: импорт в CLAUDE.md молча ломается в пути на пробеле
Если в пути импорта в CLAUDE.md
От промпта до продакшена: бесплатные уроки октября про LLM, агентов и MLOps
Привет, Хабр. В этом дайджесте собраны бесплатные уроки октября для тех, кто работает с искусственным интеллектом, машинным обучением и данными или внедряет ИИ в разработку и рабочие процессы. В подборке — LLM и генеративный ИИ, агентные системы, MCP и Tool Calling, MLOps и AgentOps, качество данных, Data Drift, безопасность и эксплуатация AI-систем.
Дайджест ИБ, 30 сентября – 6 октября: ИИ-агенты на сайтах властей, Google остановила bug bounty
Новости информационной безопасности за неделю с 30 сентября по 6 октября, по одной строке на событие.Как это сделаноЗа неделю сборщик получил 11 489 материалов из 153 лент, по теме ИБ из них 1 176. Далее отбираются и сверяются вручную. В выпуске 42 новости, 32 из них подтверждены двумя независимыми изданиями и больше. Подробнее на Хабре
Decision-модели изнутри: как устроены Jev, Clef, pplx-decider, Strands Decider, Laya и GLiDE
15 сентября TypeSafe выпустила Jev и назвала её первой моделью класса System One. Jev получает состояние системы и набор типизированных вопросов, а возвращает распределение вероятностей по допустимым ответам. Весь ответ считается за один прямой проход, без генерации токенов.За 16 дней вышли ещё пять реализаций той же идеи: Clef и Clef-flash от Cloudflare, pplx-decider-v1-27b от Perplexity, Strands Decider 2B от AWS, Laya от Convai Innovations и GLiDE от Fastino. Интерфейс у них почти общий, а внутри пять разных решений: замороженная LLM с обучаемым выходным слоем, LLM с заменённой LM head, pointer-механизм, энкодер на 322 млн параметров и рассуждение, которое включается по требованию.
У меня хорошая новость, теперь вы можете навайбкодить SaaS за выходные. Плохая — остальные тоже могут
Сооснователь GPTunneL Илья Трикоз навайбкодил аналог Discord за 24 часа. Сам не написал ни строчки кода. Просто отправил ИИ-агентам промт и пошел спать. За ночь 12 агентов собрали сервер, инфраструктуру и само приложение. К вечеру уже работали чаты, звонки, видеосвязь, демонстрация экрана, десктопная и веб-версия приложения. На ИИ-токены ушло около $12 тысяч (миллион рублей). В GPTunneL считают, что сделать продукт вручную было бы в 20-50 раз дороже.

