llm. - страница 184

llm.

Прогнал семь LLM через свой русский спортивный бенчмарк. Базовой моделью всё равно оставляю Gemma 4 31B

TL;DR — leaderboard за один взглядЗа последние 2 недели собрал открытый бенчмарк из 655 экспертных вопросов по 35 видам спорта на русском. Запустил семь моделей через ансамбль из трёх судей: Claude Opus 4.7, Gemini 3.1 Pro, GPT-5.5, DeepSeek V4 Flash, Qwen 3.5 27B, Gemma 4 31B, Qwen 3.6 27B.Frontier-closed (Opus / Gemini / GPT-5.5) — топ-3 по сырым цифрам. Открытый топ (DeepSeek V4 Flash) — четвёртая позиция, +0.58 от Gemma. И всё равно базой ЛИИ остаётся Gemma 4 31B. Защита позиции — три аргумента + разбор где конкретно живёт разрыв и почему он SFT-recoverable.РангМодельВесаnТочностьПолнота

продолжить чтение

Как мы за 54 дня собрали ИИ-хаб в мессенджере MAX. Часть 1 — обзор цикла

TL;DR54 дня назад у нас была идея — единый чат‑бот, через который можно работать с разными моделями ИИ. Сегодня в проде: бот в мессенджере MAX, 5903 пользователя, ~300 DAU, премиум‑подписка через ЮКассу с автоплатежами, 10+ моделей ИИ под одним интерфейсом, 6 модальностей ввода. Платежи запустили 5 мая 2026.Команда: нас двое плюс AI‑ассистент в роли парного программиста. IT‑ бэкграунд есть, но в коммерческой разработке мы не работали. С n8n до этого знакомились на уровне «10 нод поковырять». Сейчас в проекте около 20 связанных воркфлоу, в одном только Main — 271 нода.Это первая статья из цикла.

продолжить чтение

GPT-шорткаты: что работает, а что нет

В TikTok, Telegram и YouTube постоянно появляются «секретные команды» для GPT: IQ200 — «режим сверхразума», /UNFILTER — «без цензуры», X10THINK — «думает в 10 раз глубже».Спойлер: большинство — мифы. Но часть шорткатов действительно полезна — не потому что включает скрытые режимы, а потому что хорошо формулирует задачу.Я собрал популярные GPT-шорткаты, проверил на практике и разделил на три группы:✅ реально полезные⚠️ нестабильные❌ бесполезные (легенды)Это не reverse engineering OpenAI, а практический обзор для ежедневной работы с LLM.Содержание

продолжить чтение

80% встреч проводятся по принципу родительского собрания

Люди в среднем не умеют проводить встречи. Меня это дико бесило, когда я впервые столкнулся с качеством принятия решений на родительских собраниях. Оно близко к отрицательному.Мы тут писали транскрибатор встреч — это когда можно загрузить запись в трекер и получить список задач на выходе. За время тестов мы узнали, что про архитектуру встречи вообще никто не думает, а чтобы у неё было продолжение — ну там, следующие шаги, ответственные, сроки и задачи на выходе — это вообще необязательно.Коротко основное, что может показаться вам странным:

продолжить чтение

Не робот, а коллега: как ИИ‑агент стал частью команды медпульта

Привет, Хабр! Меня зовут Иван. Я работаю аналитиком в компании «Совкомбанк Технологии»: собираю требования, разбираю процессы с пользователями и помогаю доводить ИИ‑решения от этапа идеи до работающего сервиса. В этой статье расскажу, как мы с командой внедряли ИИ‑агента в работу медицинского пульта страховой компании.Коротко о команде: над проектом работали аналитик, backend‑разработчики, специалист по интеграциям, ML/LLM‑инженеры, тестировщики и представители бизнеса.

продолжить чтение

Мы пытались заменить QA нейросетью. Не получилось

ВступлениеХочется поговорить о том, что происходит с QA в 2026-м и правда ли, что «нас вот-вот заменит ИИ». Но не в формате очередного треда в духе «всё пропало» или «всё отлично, завтра уволим половину отдела». А по-взрослому: с опытом, цифрами, ограничениями и выводами. То есть попробовать не просто порассуждать, а разобрать тему как небольшое исследование: что реально меняется, где ИИ помогает, а где начинается та самая реальность, которая не влезает в красивую презентацию.

продолжить чтение

RAG в enterprise: 70-80% проблем не в модели, а в данных

Жемал Хамидун, Head of AI Alpina Digital, CPO AlpinaGPT

продолжить чтение

Ego is your limit или как мы сопротивляемся собственному развитию в контексте AI-революции

Автор заявляет об отсутствии конфликта интересов. Автор не является сотрудником AI-стартапа, не зарабатывает на исследованиях/разработках/внедрениях в области AI и не является наивным оптимистом, считающим, что AI решит все проблемы человечества.В последнее время я всё чаще попадаю в дискуссии на тему AI. Раньше эти инструменты умели слишком мало, чтобы по наитию вызывать что-то кроме раздражения. Сейчас же многие восхитились, задумались, насторожились или вовсе испугались. Но игнорировать эту тему всерьёз больше не получается.

продолжить чтение

Как связывание эмбеддингов душит трансформеры и уничтожает градиенты

Если вы когда-нибудь собирали языковую модель с нуля, вы наверняка знаете про Weight Tying (Связывание весов). Этот трюк был предложен в 2016 году в статье "Using the Output Embedding to Improve Language Models" и популяризован OpenAI в архитектуре GPT-2.Суть предельно проста и математически изящна: мы берем матрицу входных эмбеддингов Win (размером Vocab_Size × Hidden_Dim) и используем её же транспонированную версию как выходной слой классификатора Wout

продолжить чтение

Как я загрузил компактную открытую LLM в робота и сказал ему ходить (и хватать)

Без лишних предисловий приступаем. Все артефакты: веса на Hugging Face и исходники на Codeberg, как обычно будет приложены в конце статьи. О чем статья?

продолжить чтение