Создатель Signal разработал ИИ-ассистента для сокрытия данных от операторов и правоохранителей
Создатель мессенджера Signal Мокси Марлинспайк стремится аналогичным образом революционизировать чат-боты, добавив слой анонимности. Он разрабатывает ИИ-помощника Confer с открытым исходным кодом, который гарантирует, что данные пользователей будут недоступными для оператора платформы, хакеров, правоохранительных органов или любой другой стороны, кроме самих владельцев учётных записей.
Крупнейший оператор столкнулся с проблемами обслуживания ЦОД для нужд ИИ
Американская некоммерческая организация PJM, которая обслуживает энергосети в 13 штатах, столкнулась с проблемами из-за нагрузок, связанных с многочисленными центрами обработки данных ИИ.
OpenAI купила стартап Torch, работающий с медицинскими картами
OpenAI объявила о покупке небольшого стартапа Torch, который разрабатывал приложение для объединения медицинских данных человека в единую цифровую картину. Сервис собирал информацию из разных источников: визитов к врачам, результатов анализов, медицинских записей и носимых устройств вроде умных часов и фитнес-трекеров.
Я создал «второй мозг» на базе ИИ с помощью Obsidian + Claude Code. Вот как
Хватит делать заметки, которые пылятся. Пора создать систему, которая действительно думает вместе с вами.Я перепробовал все системы продуктивности. Базы данных Notion, которые превращались в цифровые кладбища. Доски Miro, которые выглядели впечатляюще, но никогда не помогали мне делать что-либо. Хаос Apple Notes. Всё по полной программе.А потом что-то щёлкнуло. Я перестал пытаться создать лучшую систему заметок и начал строить кое-что другое: второй мозг, который действительно работает со мной.Секрет? Сочетание локального, простого текстового формата Obsidian с возможностью Claude Code реально работать
Тестирование LLM-приложений с DeepEval
Всем привет! Меня зовут Максим. Я NLP‑инженер в red_mad_robot и автор Telegram‑канала Максим Максимов // IT, AI. В этой статье я расскажу о том, как тестировать приложения с использованием Large Language Model (LLM), на примере инструмента DeepEval. Тестирование приложений, в которых используются LLM, отличается от тестирования других приложений. В частности, можно выделить 2 основные проблемы: Недетерминированность. В связи со своей спецификой LLM могут давать разные ответы на одни и те же запросы, что создаёт сложности во время тестирования;Работа с естественным языком.
