ИИ.
Под кнопкой «сделать презентацию»: как устроен пайплайн генерации в Кэмпе
Генерация презентации
ChatGPT, Gemini, Midjourney, Claude, Kling — Top 10 All-in-One AI Apps for Text, Image, Audio, Video (2026)
Discover the best multi-AI aggregators that combine models like GPT, Claude, Gemini, Sora, Kling, Google Veo and Midjourney in one workspace. Compare platforms for text, images, video, and productivity to find the right AI hub for your workflow.
Кандидаты наносят ответный удар: как ИИ научился обходить фильтры найма
Когда система строится как отсев, рынок неизбежно учится обходить отсев.Введение. Логичное продолжение старой проблемыКак я уже писала раньше, современный рынок найма в значительной степени выстроен как система отсева.Отсев включается уже на самом первом этапе: автоматический скрининг отбрасывает резюме по формальным признакам через фильтры ключевых слов.Для кандидатов это давно стало реальной проблемой.Сильный специалист может не дойти даже до первого разговора с бизнесом просто потому, что его опыт не совпал с формой, которую ожидает система.
На что способна новая модель NVIDIA — Nemotron 3 Super 120B. Бенчмарки, тесты и интеграция в Luxms BI
120 миллиардов параметров, контекст 256K токенов, агентное поведение — и всё это на одной видеокарте. Мы подключили Nemotron 3 Super к Luxms BI и неделю тестировали на реальных аналитических задачах. В этой статье — что получилось, где модель справляется, а где пока нет.Одна видеокарта – это принципиально другая экономика владения. Кластер из 8 карт – это капитальные затраты, инженерная команда для обслуживания, электричество, охлаждение и площадь в серверной. Одна RTX PRO 6000 – это единица оборудования, которая встаёт в стандартную рабочую станцию. Разница в совокупной стоимости владения (TCO) – на порядок.
Netflix научил собственную ИИ-модель удалять объекты из видео и перестраивать сцену
Netflix открыл доступ к модели VOID
Ехал Грека через реку. — Кто ехал? — Димон
Это первая часть из задуманной серии статей про ИИ. Здесь мы на немного заступим в техническую часть памяти/контекста LLM моделей. Разберем, почему они частенько забывают или выдумывают факты и врут.Как attention ломается на длинном контекстеНачнём с фундамента. Трансформер работает на self-attention - каждый токен смотрит на все остальные и решает, на что обратить внимание. Квадратичная сложность O(n²) - это причина, по которой модели вынуждены использовать оптимизации: FlashAttention-2/3, RoPE, ALiBi и прочее.Эти оптимизации не бесплатны. Они создают позиционные смещения:Primacy bias
