You’re absolutely right: как ИИ делает нас увереннее и поверхностнее
Вы когда-нибудь замечали, что у нейросетей нет своего мнения? Допустим, вы пишете: «Мой тимлид — идиот, он заставил меня писать на PHP». Модель отвечает: «Я понимаю ваше разочарование. Смена технологического стека действительно может быть стрессовой, и PHP часто критикуют за неоднородную архитектуру. Однако…» — и дальше следует мягкая, вежливая, безличная тирада с равным количеством аргументов “за” и “против”, и обобщенным выводом. Она не поддержит вашу агрессию, но и не скажет прямо: «Вы говорите ерунду, ваш тимлид, скорее всего, прав».
От «грязных» справочников к золотым записям: как AI-ML спасает НСИ от хаоса
ВведениеПричины деградации нормативно‑справочной информацииПочему простые алгоритмы сравнения строк — тупиковый путьЕдинственно надежный путь — атрибутивная нормализацияПримеры задач, решаемых с использованием сервиса SOFROS AI/ML
О нейросетях, детекторах генерации и правовых аспектах использования ИИ
Написать эту статью меня сподвиг странный случай. Я опубликовал на Хабре свою статью «Асимптотика на практике: Сравнение алгоритма сортировки вставками и выбором» и через некоторое время обнаружил ее в черновиках с пометкой «Сгенерировано». Это меня, конечно, сильно удивило, я написал в поддержку, сообщив о ложном срабатывании. Там мне ответили, что им в принципе неизвестны случаи ложного срабатывания.Вот их позиция по поводу ложных срабатываний детектора (цитата из переписки):
Глубокие агенты (Deep Agents) — всё собрал? Но какой ценой?
Современные AI-агенты строятся достаточно разнообразно. Где-то берут готовые приложения, которые выросли в полноценные фреймворки с преднастроенными агентами. Где-то провайдеры предлагают настройку из готовых блоков через UI на веб-портале. Где-то хочется написать своё: дешевле, в своём контуре или просто иначе. Один из популярных фреймворков для этого - LangChain / LangGraph: удобные обёртки, пайплайны, графы, интеграции под типичные куски агента.В большинстве случаев агенты строятся вокруг базового цикла ReAct
Искусственный интеллект внутри 1С: что уже можно внедрять
Когда мы говорим об искусственном интеллекте, очень легко уйти в разговор о будущем. Об универсальных помощниках, цифровых сотрудниках и системах, которые однажды смогут делать практически все.Но мне хотелось бы поговорить не о будущем, а о настоящем. О том, какие задачи искусственный интеллект уже сегодня решает непосредственно внутри экосистемы 1С.Для меня главный вопрос звучит не так: «Может ли искусственный интеллект работать с 1С?»Он уже работает.
Библиотекари США начали проводить мастер‑классы «Как избежать ИИ»
Американские библиотекари занялись организацией вирусных мастер‑классов «Как избежать ИИ» для людей, которым надоело повсеместное присутствие крупных технологических компаний.
В один эмбеддинг можно впихнуть больше тысячи токенов, но что с этим не так?
Хабр, привет! Меня зовут Дмитрий Тарасов, я исследователь в лаборатории FusionBrain AIRI. Мы недавно свозили нашу свежую работу — “Progressive Cramming: Reliable Token Compression and What It Reveals” — на ICML 2026, и здесь я хочу рассказать, о чём она.Начнём с почти магического факта. Год назад в замечательной работе “Cramming 1568 Tokens into a Single Vector and Back Again” моего коллеги по AIRI Юры Куратова и его команды было показано, что в один‑единственный входной эмбеддинг замороженной LLM можно «упаковать» до 1568 токенов
Своя GPT‑like LLM по WH40K с нуля. Часть 5: Интеграция с Hugging Face
Привет, Хабр! Меня зовут Владимир, и это пятая часть цикла статей по написанию и обучению небольшой decoder‑only LLM с нуля. В прошлых частях мы собрали и обучили модель LinguaLaboratoriumMechanicus — миниатюрную GPT‑like LLM во вселенной Warhammer 40K. В этой части упакуем её в формат Hugging Face: сделаем конфиг и обёртку под transformers, сохраним и зальём модель на Hub.Содержание циклаПодготовка и токенизация данныхТрансформерСборка и обучение LLM
