llm.
Внутри ИИ‑Напарника: как работает оркестр агентов в ритейле
Источник изображения: Magnific.comВсем привет! Это Алексей из GlowByte. В прошлой статье я говорил
Агент OpenAI не сошёл с ума. Что мы знаем о взломе Hugging Face спустя неделю
Первая новость об этой истории уже успела состариться. Сначала Hugging Face сообщила о сложной автоматизированной атаке, потом OpenAI признала, что за ней стояли её модели, а ещё через несколько дней Reuters описал неприятную задержку с обнаружением. Каждое новое объяснение делало исходный заголовок спокойнее на вид и неприятнее по существу.
350+ моделей без смены SDK: зачем разработчику слой абстракции над LLM‑провайдерами
Привет, Хабр! На связи команда Caila
Как видеть полный контекст по клиенту и строить графы связей — расскажем на вебинаре
6 августа, в четверг, на вебинаре расскажем, как в бизнес‑процессах учитывать все, что компания знает о клиенте.Бизнес уже научился собирать основные данные о клиенте в золотой записи (Golden Record). Но такой набор сведений отвечает прежде всего на вопрос, кто перед нами. Для устойчивых отношений с клиентом полезно знать, что происходит вокруг него: с кем он связан, как взаимодействует с компанией и ее продуктами, как реагирует на коммуникации.Клиент + контекстНа вебинаре обсудим: как собрать в одном профиле данные, события и связи между людьми и компаниями;
ИИ-Автопилот: замкнутый цикл разработки на C++ — от тикета до проверки в живом GUI
Привет, Хабр. Расскажу, как я собрал ИИ-Автопилот — замкнутый цикл разработки, где задача входит тикетом в YouTrack, а выходит GUI-проверенным исправлением в продукте. Агент разбирается в задаче, правит C+±код, собирает, идёт в живой интерфейс нашего геофизического приложения, проверяет там результат — и закрывает тикет ответом человеку в YouTrack. Дальше расскажу, как оно выросло и где людям всё ещё есть чем заняться.
Разбираю проблему автономной нейросети
Рецепты построения по‑настоящему автономной нейросети регулярно всплывают в информационном поле. Чаще всего методы и способы совпадают независимо от авторов. Несмотря на то, что выглядят они оригинально, фактически, большая их часть формализованы с помощью LLM, а они, как мы знаем, очень хорошо работают с имеющимися знаниями.В этой статье я проанализирую основные предлагаемые приёмы и ошибочность фундамента, на которых они базируются.ВведениеПоводом для написания стала недавняя (но снятая с публикации) статья на Хабре, автор @VSVLADILEN
Shorts Maker v2: как я превратил AI-генератор видео в возобновляемый production pipeline на Python
Привет, Хабр!Некоторое время назад я написал первую версию генератора коротких видео для Shorts, Reels и TikTok. На вход подавалась тема — например, «Сюжет “1984” за одну минуту», — а на выходе получался вертикальный ролик со сценарием, изображениями, анимацией, озвучкой и субтитрами.Первая версия доказала, что идея работает. Но она же показала, что сгенерировать ролик один раз и построить надёжный production pipeline — совершенно разные задачи.
Языковую модель на 28,9 млн параметров запустили на микроконтроллере ESP32-S3
Разработчик Слава Сербов запустил языковую модель на 28,9 млн параметров на плате с микроконтроллером ESP32-S3. Нейросеть работает полностью локально, а сгенерированный текст выводится на небольшой дисплей.
