llm.
Почему текст и код от нейросетей вызывают отторжение
Осваивать Хабр я начал недавно. Мне понравилось, и я стал активно агитировать друзей-айтишников писать статьи. Первые возражения звучали примерно так:Он разве еще жив? Я думал, там уже только AI генерирует тексты.А те, кого я все же убедил опубликоваться, сразу получили дозу негатива:Отклонено. Причина: "Текст похож на сгенерированный, на данный момент мы не готовы принимать такие материалы к публикации".
Пошаговый план внедрения AI-агента: от идеи до ROI за 3 месяца
Финал серии. Время собрать всё вместе.За пять статей мы разобрали: — Почему 95% пилотов не дают результата — Почему инструкция для AI в 20 раз больше инструкции для человека — Как распределить ответственность за ошибки — Как построить отказоустойчивую архитектуру — Как передать агенту неявные знанияТеперь — практический план. От «хотим автоматизировать» до работающего агента с измеримым ROI.Фреймворк: 3 фазы, 12 недель
Разработчики смотрят не туда: AI меняет саму механику разработки
У индустрии есть любимая форма самоуспокоения. Каждый раз, когда речь заходит про AI в разработке, люди начинают обсуждать качество кода. Смотрят на демки, ловят модель на галлюцинации, смеются над кривыми PR, вспоминают, что она не понимает бизнес-контекст, и на этом месте выдыхают. Кажется, что профессия снова отбилась. Ну да, игрушка интересная, местами полезная, местами смешная, но до реальной инженерной работы ей еще бесконечно далеко.
От OCR до ADE: как машины научились не просто читать, а понимать документы
Представьте что вы получили 500 кредитных заявок. В каждой — паспорт, банковская выписка, справка о доходах, налоговая форма. Всё в PDF. Имена файлов: upload1.pdf, upload2.pdf... Чтобы обработать их вручную — нужна неделя и несколько сотрудников. Чтобы обработать автоматически старым способом — нужно написать отдельный парсер под каждый тип документа, и молиться чтобы шрифт не поменялся. Эта статья о том как индустрия шла к решению этой задачи — и к чему пришла.
Skaro: Автопилот для выполнения задач
Хочу представить вам обновление Open Source проекта skaro, обзор на который я делал в этой статье, и автором которого я являюсь.Добавлен режим автопилота — теперь LLM может выполнять задачи самостоятельно.GitHub
Школьная математика против цифрового бессмертия сайдлоадинга
LLM никогда не станет вами.В студенчестве я думал, что если поступлю на мехмат, то научусь программировать на высшем уровне. Я заблуждался - всякий матан не помогает писать код. Бросил на 3-м курсе.Но кое-какие знания остались. И именно они ставят крест на мечтах фанатов "сайдлоадинга".сайдлоадинг это аппроксимация разума через входы и выходы мозга. Мы работаем с ним как с черным ящиком: записываем твои логи, тексты и реакции, а потом учим нейронку вести себя так жеглавная ценность — это страховка от информационного уничтожения.____© определение от фаната сайдлоадинга
Как мы строили своего AI-агента для генерации тестовой документации — опыт QA-команды мобильных секретарей
Привет, Хабр! На связи QA-команда мобильных секретарей — Настя и Ксюша.
Как научить AI-агента работать «как у нас принято»: RAG для передачи знаний
Новый сотрудник приходит в компанию. Первый месяц смотрит, как работают другие. Задаёт вопросы. Впитывает неписаные правила.«К Петрову лучше не ходить в пятницу после обеда». «Если клиент из Газпрома — сначала согласуй с Мариной». «Этот шаблон договора устарел, бери новый из папки на диске».Через месяц-два новичок работает «как принято». Без инструкций — просто потому что видел, как это делают другие.AI-агент так не умеет. Всё, что сотрудники «знают на автомате», для него не существует. Пока не будет явно описано и загружено в систему.Проблема tacit knowledge
Как спасти ИИ в эпоху, когда ИИ убивает сам себя?
«Все крупные корпорации и социальные сети уже давно хотят помечать контент, созданный искусственным интеллектом, отдельным специальным признаком. Безусловно, можно говорить о том, что это делается ради заботы о пользователях — чтобы люди не сидели бесконечно и не потребляли абсолютно одинаковый контент. Но у этой инициативы есть и совершенно эгоистичные цели: платформам жизненно необходимо физически отделить контент, созданный живыми людьми, от материалов, сгенерированных нейросетями».Давайте детальнее копнем в проблему
Омни‑модели, синтетика и LLM‑агенты: встречаемся на Saturday ML Party в Петербурге
Saturday ML Party — это наш формат встреч, где мы обсуждаем с сообществом тренды индустрии, новые подходы и реальные вызовы в неформальной обстановке.

