Машинное обучение. - страница 255

Нанимаем ChatGPT на работу или автоматизация бизнес-процессов

AI и LLM сейчас на пике популярности. Но чаще всего их используют как инструменты, постоянно требующие времени и внимания. А что, если сделать из них «сотрудников», которые сами автономно будут выполнять часть вашей работы?

продолжить чтение

Recursive Intelligence привлекла 335 млн долларов при оценке 4 млрд всего за четыре месяца

продолжить чтение

$10 миллиардов на Starship впустую: SpaceX возвращается к Falcon Heavy для космических колоний

продолжить чтение

«Не учись на программиста» — что бы я сказал своему ребёнку в 2026-м

Мэтт Шумер написал, что мы на пороге чего-то огромного. У меня команда из 54 человек и 44 AI-агентов — и я с ним согласен.Мне 40 лет. Я руковожу IT-компанией на 80+ человек, где в AI-команде работает 54 специалиста и 44 AI-агента. Не чат-бота для поддержки — полноценных агентов, которые пишут код, находят баги, деплоят, ревьюят друг друга и спорят о лучших решениях.Если бы мой ребёнок подошёл и спросил «пап, хочу стать программистом» — я бы ответил: учись на промпт-инженера.

продолжить чтение

IT-аутсорсинг умрет за 5 лет: прогноз инвестора OpenAI на саммите в Индии

Венчурный инвестор и сооснователь Sun Microsystems Винод Хосла заявил

продолжить чтение

LLM модели: зарубежные VS отечественные

Когда команда выбирает LLM для продакшена, «сравнение по бенчмаркам» — это лишь первый фильтр. Для CTO ключевой вопрос звучит иначе: какую комбинацию качества, стоимости, стабильности API, юридических ограничений и интеграций мы получим на реальной нагрузке. Я разобрал популярные модели через призму двух контуров: качество/бенчмарки и инфраструктурная пригодность.Сравнение бенчмарков

продолжить чтение

Базовая модель для персонализированных рекомендаций Netflix

продолжить чтение

Тестируется ИИ-проект для рецензирования изменений в подсистеме DRM (Direct Rendering Manager) ядра Linux

Разработчик Дэйв Эйрли (David Airlie), который является мейнтейнером стека графических драйверов в ядре Linux,

продолжить чтение

Обзор на Claude Opus 4.6: разбор модели, тесты и сравнение

продолжить чтение

Почему LLM продолжают генерировать ошибки в коде — и это не исправить масштабированием

Представьте типичную ситуацию: вы просите модель написать функцию обработки данных для корпоративного проекта. Код появляется за секунды, выглядит аккуратно, проходит локальные тесты. Но в продакшене всплывают скрытые проблемы: логика чуть расходится с требованиями в граничных условиях, или код игнорирует специфические ограничения внутренней библиотеки, которую модель никогда не видела в обучающих данных.

продолжить чтение