Машинное обучение. - страница 172

Senior на бумаге, Junior в рантайме: как я тестировал локальные LLM на 120B параметров в Greenfield-проекте

Недавно я задался вопросом: можно ли организовать полноценный agent dev loop (то есть, цикл разработки агентов), используя только локальные модели? Идея заманчивая — гонять агента по задачам бесконечно, не оглядываясь на счета от OpenAI или Anthropic и не переживая за утечку кода.Чтобы проверить это, я выделил кластер и столкнул лбами три тяжеловеса из мира open source. Спойлер: архитектурно они все — Senior‑разработчики, но когда дело доходит до docker-compose up, начинаются проблемы.

продолжить чтение

Anthropic объяснила падение качества в Claude Code

Компания разобрала, почему в марте–апреле пользователи заметили деградацию Claude Code, а также Agent SDK и Cowork. Причина оказалась не в одной ошибке, а в наложении сразу трёх изменений. Что пошло не так?

продолжить чтение

В Китае собираются запретить местным IT-компаниям соглашаться на американские инвестиции без одобрения властей КНР

Государственный комитет по развитию и реформам КНР планирует ограничить возможность китайских технологических компаний привлекать американские инвестиции без разрешения местного правительства. Помимо прочих, мера коснётся некоторых крупнейших китайских компаний в сфере искусственного интеллекта. Ограничение станет частью более широкой реакции Пекина на спорное приобретение стартапа Manus корпорацией Meta* в конце прошлого года.

продолжить чтение

В FSF назвали лицензии Responsible AI неэтичными и несвободными

Менеджер по лицензированию и соблюдению нормативных требований Фонда свободного программного обеспечения (FSF) опубликовал в блоге сообщение, в котором заявил, что лицензии «Ответственного ИИ» (Responsible AI, RAIL) являются несвободными и неэтичными. 

продолжить чтение

Новый курс Практикума PRO: освойте полный стек обработки аудиоданных

Речевые технологии лежат в основе целого класса продуктов: от голосовых ассистентов и расшифровщиков аудио до сервисов озвучки контента. На курсе «Аудиоанализ, распознавание и генерация речи» от Яндекс Практикума PRO освоите инженерную базу для работы с ними — создадите собственный сервис и научитесь обучать и дообучать речевые модели под конкретные задачи. Курс подойдёт инженерам машинного обучения и тем, кто уже знаком с обработкой естественного языка (NLP).

продолжить чтение

Как я создал альтернативу трансформерам

В этой статье я хочу остановиться на разборе предложенной мной архитектуры декодера и тех вариантов, с которыми я сравниваю её в исследовании, но сделать это проще и интуитивнее, чем в самой работе. На мой взгляд, существующие объяснения архитектур декодеров часто подаются разрозненно. Каждый подход описывают отдельно, без общей опоры. А ведь всё можно свести к одному фундаменту, и тогда становятся гораздо заметнее как сильные стороны каждого решения, так и их ограничения. Для начала приведу все необходимые ссылки.Само исследование: https://arxiv.org/abs/2604.18580Код:

продолжить чтение

Хассабис: AGI, скорее всего, построят поверх нынешних языковых моделей

Глава Google DeepMind Демис Хассабис считает

продолжить чтение

DeepSeek в 10 раз снизила цену на кэш

DeepSeek резко удешевила один из самых чувствительных элементов API - кэш. Теперь повторные запросы (cache hits) стоят всего 10% от прежней цены по всей линейке моделей. Что это значит на практике?Любой повторно используемый контекст: 1) Системные промпты 2) Инструкции агентов

продолжить чтение

ИИ в ловушке: что произойдет, когда в интернете не останется текстов, написанных людьми?

продолжить чтение

Anthropic проверил, как AI-агенты торгуются между собой

Компания Anthropic провела необычный эксперимент Project Deal, чтобы проверить, как ИИ-агенты ведут реальные переговоры друг с другом.

продолжить чтение