Reflect, Retry, Reward: как RL учит LLM рефлексировать и становиться лучше
Привет, Хабр!Меня зовут Роман, я NLP-инженер в Сбере. Занимаюсь мультиагентными системами и работаю с LLM в проде. Сегодня расскажу про одну из самых интересных статей июня по версии Huggingface Daily Papers — Reflect, Retry, Reward: Self-Improving LLMs via Reinforcement Learning.TL;DRАвторы предлагают простой, но мощный метод: если первая попытка модели провалилась, она должна написать краткую саморефлексию, а затем сделать повторную попытку. Если она успешна — награду получают только токены саморефлексии.
Nvidia призывает ИИ-индустрию переосмыслить агентный подход в пользу компактных моделей
По мнению специалистов Nvidia, индустрия слишком увлеклась крупными языковыми моделями (LLM) для работы агентов — подходом, который, как они утверждают, экономически и экологически нежизнеспособен.В недавней научной статье они предлагают пересмотреть стратегию: большинство агентов, уверены авторы, могут работать не хуже, если использовать компактные языковые модели (SLM), и призывают компании изменить подход.В 2024 году рынок API LLM для агентных систем оценивался в 5,6 млрд $, но расходы на облачную инфраструктуру для их работы достигли 57 млрд $ — разрыв 10 к 1.
Исследователи взломали GPT-5 и предупредили о его «непригодности» для компаний
Две разные компании независимо протестировали недавно выпущенную версию GPT-5. Исследователи выявили пробелы в безопасности модели, заявив, что смогли взломать её за 24 часа.
«Яндекс» начал набор школьников в олимпиадные Кружки по программированию, по искусственному интеллекту и по математике
«Яндекс» открыл
Крах и новый рассвет ИИ: как он пережил вторую зиму и что нас ждет в будущем
Привет, Хабр! Помните мою прошлую статью, где я рассказывал про первую зиму искусственного интеллекта? Казалось бы, одной зимы достаточно, но в 90-х ИИ ждала вторая зима — еще более суровая. Почему это произошло и не повторятся ли ошибки снова? Прочитав эту статью, вы узнаете: как в 90-е годы началась вторая зима ИИ и какое будущее ждет нас в ближайшие десятилетия.Циклы истории — это спираль, а не круг. Мы возвращаемся к похожим точкам, но на другом уровнеГлава 1. Экспертные машины и компьютеры пятого поколения
Как я слетал в Лиссабон на летнюю школу по машинному обучению LxMLS 2025
Лиссабонская летняя школа по машинному обучению (LxMLS) ежегодно проходит в Лиссабоне. Многие по ошибке думают, что её организуют в Луховицах, ведь только в Луховицах loss-функция включает в себя реальные потери — например, урожая кабачков из-за переобучения модели. 2025 год стал для LxMLS юбилейным — в 15-й раз собирая энтузиастов из мира Computer Science и Machine Learning. Мне повезло стать участником этого, без преувеличения, масштабного события, а потому в этой статье я поделюсь с Вами своим опытом:Как пройти отбор на LxMLSПро тернистый путь оформления визыОб оплате школы и проживания
GPT-5: великий апгрейд, который стал даунгрейдом
Как всегда во время прошлых запусков, OpenAI обещал «превзойти все предыдущие модели». Вышло… не совсем так. Точнее, совсем не так.Встречайте GPT-5 — и сразу прощайтесь
