llm.
Как у меня НЕ получился торговый бот на Polymarket
Привет, Хабр. Видел в интернете кейс. где сделали бота с LLM для торговли на Polymarket и он сделал $10k из $1k за месяц. Ну и чо бы не попробовать что то такое же сделать! Побочный проект, чисто по приколу. Вооружил его вирутальным стартовым капиталом — $100 нарисованных.И вот на второй день этот несерьёзный проект показал +9% на счёте.
Контент-завод в 2026 году: разбор автономных систем, который отговорит вас это покупать
Заходишь в любой телеграм-канал про AI: контент-завод, AI-фабрика контента, нейроконвейер. 5к запросов в вордстате за май. Слово сейчас примерно как «нейросеть» в 2023-м: написал в шапке курса, уже эксперт.Обещание у всех одинаковое – автономия. Поставил систему на крон и забыл. К утру в запретграме полсотни роликов и триста новостей в телеге. Зарплат живым людям платить не надо. Ну кайф же.
Почему ломается ваш AI-агент — и почему смена модели обычно его не чинит
Представьте внутреннего AI-агента, который помогает компании искать общие документы и управлять ими. Он работает. До тех пор, пока 12–15% запросов не начинают падать. Агент возвращает не тот документ, редактирует не тот файл, молча падает или уверенно ссылается на файл, которого не существует. Поиск по фото отказывает с той же частотой. Ошибки размазаны равномерно по пользователям, фичам и запросам.
Покопались в .cursorrules на GitHub и нашли там волка-фурри, Star Trek и 28.7% копипасты
Где-то на GitHub лежит репозиторий с файлом .cursorrules. Среди инструкций для Cursor затесалась строчка:ALWAYS refer to the user as "My Dear Capybara"И это не пасхалка или шутка в комментариях.
Spec-driven development в микросервисах, часть 2: как archspec делает контекст сервисов явным
Вторая статья из цикла из трёх частей.Часть 1 — где LLM теряет межсервисный контекст и почему локальных спек недостаточно.
Норвежская библиотека представит LLM с использованием 2 ПБ флэш-памяти Huawei
Норвежская Национальная библиотека разрабатывает большую языковую модель, которая понимает норвежский язык. Учреждение использует 2 ПБ флэш-памяти Huawei OceanStor Dorado в конвейере данных для обучения ИИ.
AI обнулил benchmark и пытался шантажировать инженера. И почему это решаемо
В прошлой главе я разобрал три провала чужих AI-агентов в проде - PocketOS, потерю production-базы Replit и сценарии GitHub Copilot, в которых агент действовал быстрее, чем человек успевал сказать стоп.Финал был честный: эти три - не про то, как делать правильно. Это места, где меня поймало бы, если бы я не прочитал разборы до того, как Lexis стал продуктом для людей.И я обещал в следующей главе перейти с уровня отдельные истории на уровень данных. Конкретно - две вещи.Первая: ProgramBench. Топ-модели, которые закрыли SWE-bench на 95%, на ProgramBench показывают 0% и 3%. Не упали на десять пунктов - обнулились.

