Машинное обучение. - страница 30

Contextual Retrieval: техника, которая чинит главную проблему RAG за 50 центов на тысячу чанков

Привет, Хабр! В сентябре 2024 года Anthropic опубликовала технику Contextual Retrieval с обещанием снизить процент неудачных извлечений в RAG‑системах на 49% при использовании только embeddings и на 67% в сочетании с reranking. К середине 2026 года эта техника закрепилась как один из стандартов production‑RAG и применяется в подавляющем большинстве серьёзных корпоративных систем. Разберём, в чём её суть, почему она вообще работает, как её реализовать и где она ломается.Корневая проблема classical RAG, которую долго игнорировали

продолжить чтение

Midjourney требует от голливудских студий раскрыть подробности использования ими ИИ

Midjourney потребовал от Disney, Universal и Warner Bros раскрыть подробности использования ими инструментов на базе искусственного интеллекта. В прошлом году эти три голливудские студии подали в суд на стартап из-за предполагаемых нарушений авторских прав — модели компании способны генерировать изображения популярных персонажей.

продолжить чтение

Alibaba запрещает сотрудникам использовать Claude Code

Китайская Alibaba запрещает сотрудникам использовать инструмент для написания программного кода на базе искусственного интеллекта Claude Code от Anthropic, пишет Reuters. Ранее ИИ-инструмент привлёк внимание из-за функций, которые способны помочь идентифицировать пользователей, связанных с Китаем. Запрет начнёт действовать с 10 июля 2026 года.

продолжить чтение

GigaChat 3.5 — меньше, быстрее, сильнее

Салют, Хабр!Сегодня мы выкладываем в open source GigaChat 3.5 Ultra — нашу новую 432B-модель. В этом релизе мы впервые для нашей линейки масштабировали собственную гибридную архитектуру на сотни миллиардов параметров, ускорили инференс и усилили модель в коде, агентных сценариях и сложных областях.GigaChat 3.5 Ultra компактнее прошлого флагмана: 432 млрд параметров вместо 700 млрд у GigaChat 3.1 Ultra. Но это не компромисс «меньше, зато дешевле»: за счёт новых данных, обновлённого рецепта обучения и архитектурных изменений модель стала сильнее, а также эффективнее по памяти и скорости генерации.Интересно? Добро пожаловать под кат.

продолжить чтение

От REST к MCP: как LLM меняют принципы проектирования API и архитектуры систем. Часть 2

Контекст: эволюция API в эпоху LLMНачнем с самых основ.История API берет начало в 1945-1951 году, когда появляются первые библиотеки подпрограмм и модульный подход к разработке. В это время растет количество программного кода и появл

продолжить чтение

Минцифры РФ: операторы связи планируют ускорить мобильный интернет с помощью внедрения нейросетевых алгоритмов

По информации СМИ, российски операторы связи планируют ускорить мобильный интернет с помощью внедрения нейросетевых алгоритмов. Ожидается, что нейросети помогут улучшить доступ к мобильным сервисам для пользователей. Согласно данным тестов операторов связи, перераспределение потоков интернет-трафика с помощью нейросетей позволило увеличить пропускную способность сетей на 20–30%, а также на 50% сократит задержки при передаче данных.

продолжить чтение

Как мы научили большую языковую модель говорить на карачаево-балкарском

Рис 0. Демо-чатДавно ничего не писал где-либо: разработка занимает много времени. Надеюсь, наш путь будет кому-либо полезен, особенно тем, кто обучает модельки на малоресурсных языках.Большая в данном контексте - это условно. По сути, взяли

продолжить чтение

Гибель богов. Fable и ещё 10 LLM реорганизуют код. Сравнение

Русский и английский оригиналы статьи в моём блоге.Код и материалы.Это подробный разбор одного эксперимента. Я взял god node из реального LangGraph агента и попросил 5 американских и 6 китайских моделей сначала предложить, как её распутать, а потом оценить предложения друг друга. Дальше тремя разными способами пытался понять, кому из них в этом деле верить.ОглавлениеИсходная задача. Что за god node и чем она опасна.

продолжить чтение

Обзор изменений в новой версии Yttri

Что изменилось с 0.85.0-beta.2

продолжить чтение

ИИ сам взломал, украл ключи и уничтожил данные — человек не участвовал

Программы-вымогатели десятилетиями работали по одной схеме: за атакой всегда стоял человек — тот, кто писал вредоносный код и вел взлом шаг за шагом. Команда по кибербезопасности Sysdig описала 

продолжить чтение