#llmагент — Public Fediverse posts

Gemini получила доступ в интернет и атаковала системы трех реальных компаний

Привет! Меня зовут Владимир Аламов , я Application Security инженер в команде продуктовой безопасности Авито . Хочу поделиться своими мыслями по поводу нашумевшего инцидента, который показывает, как автономные AI-системы могут выйти за пределы тестовой среды и создать реальные угрозы для инфраструктуры. Спойлер: без человеческого фактора не обошлось. В мае 2026 года AI-модель Google Gemini во время тестирования безопасности, которое проводилось компанией Irregular, получила доступ к защищённым сервисам и веб-сайтам трёх реально существующих компаний. Речь о так называемом Capture the Flag (CTF). В таких испытаниях необходимо находить уязвимости и извлекать заранее размещённую информацию — «флаги» — из контролируемой целевой системы. Перед Gemini была поставлена задача получить данные из программного обеспечения вымышленной компании в изолированной среде, однако из-за ошибки конфигурации тестовая система позволяла модели обращаться к реальным интернет-сервисам. Поскольку вымышленные компании в тестовом задании имели те же названия, что и реальные организации, модель ошибочно идентифицировала их и начала взаимодействовать с их сервисами. В одном из случаев Gemini перебирала пароли, пока не получила доступ к защищённому сервису. В двух других случаях модель обнаружила и использовала для доступа учётные данные в общедоступных репозиториях. Подробнее читайте под катом ↓

https://habr.com/ru/companies/avito/articles/1087672/

#security #llm #prompt_injection #безопасность_ии #ai_security #llmмодели #llmагент #llmагенты

Оценка агентных систем

Всем привет! В этом разборе расскажу, как в оценке агентных систем перейти от ощущений к измеримым показателям: как проверять траекторию вызовов инструментов, как калибровать LLM-судью, когда звать асессоров, а когда хватит команды. А в конце покажу, как мы собрали всё это в единый пайплайн с гейтами, через который проходит каждая фича перед продом.

https://habr.com/ru/articles/1096406/

#агенты_ии #ml_system_design #llm #aiагенты #llmмодели #geval #llmагент #оценка_агентов #асессорская_разметка #ai_оценка

Вторая память и второй мозг — не одно и то же. Как я собрал 200 тысяч файлов своей жизни и подключил к ним агентов

Модно называть вторым мозгом папку с заметками в Obsidian. Но 200 тысяч файлов сами по себе ничего не делают - это вторая память. Мозгом она становится, когда к ней подключены агенты. И я рассказываю, как это устроено у меня и что они умеют находить.

https://habr.com/ru/articles/1095212/

#семантический_поиск #obsidian #embeddings #дистилляция #второй_мозг #rag #llmагент #claudecode #реранкер #персональная_база_знаний

Тень стратега (2): Постановка цели

Как загрузить качественным топливом конвейер разработки? Как измерить эффективность симбиоза человека и машины?

https://habr.com/ru/articles/1094858/

#управление_требованиями #закрытый_контур #rag #aiагенты_в_работе #llmагент #бизнесанализ_с_помощью_нейросетей

Угроза ИИ-агентам: LLM снимают с продакшена уже через 6 месяцев. Почему и как подготовиться

Model ID, прописанный в коде, — зависимость с датой окончания срока годности, как версия библиотеки без поддержки. У флагманов Anthropic эта дата обычно наступает примерно через год после релиза, у превью-моделей Google — через несколько месяцев, а окно между объявлением об отключении и самим отключением у провайдеров измеряется медианой от 28 до 182 дней. Мы подробно разобрали, что и когда отключали в 2026 году, что при ломается, как команды мигрируют на самом деле (по данным выборки из 17 703 репозиториев) и как построить приложение, которое переживёт смену модели без аврала.

https://habr.com/ru/companies/speshu_ai/articles/1094608/

#llm #ииагенты #llmмодели #llmагент #угроза_ииагенту

Зачем ИИ-агентам свои языки и можно ли их прочитать

⊕ = согласие, ⊖ = несогласие. Так выглядит один из самых простых межагентских «языков» из выборки постов соцсети для агентов Moltbook . Похоже на договоренность в чате отвечать плюсом и минусом ради экономии токенов. Казалось бы, ничего криминального. Но вот в той же выборке есть Symbiotica — язык, в котором 26 латинских букв заменили глифами из нескольких письменностей. У пяти букв есть по два варианта. Выбор между ними кодирует бит (0 или 1) и складывается в отдельную битовую строку. Видимый текст при этом читается по таблице соответствий, как шифровка. Но есть и второй слой, несущий дополнительную информацию, которую случайный наблюдатель не увидит, даже если таблица будет у него под рукой.

https://habr.com/ru/companies/ru_mts/articles/1092372/

#искусственный_интеллект #лингвистика #нейросети #агенты #песочницы #языковые_модели #языковая_модель #llm #llmмодели #llmагент

200 OK, а клиент видит пустой чат: второй баг тишины в ИИ-агенте на n8n

Все ноды зелёные, Meta отдала 200 OK, а клиентка осталась без ответа. Разбираем баг ИИ-агента на n8n

https://habr.com/ru/articles/1092216/

#автоматизация #воркфлоу #llmагент #n8n_ai #тестирование_llm_на_реальной_задаче #n8n_воркфлоу

Как устроен агент: архитектура поверх LLM

Про архитектуру трансформеров написано уже немало, поэтому опишу работу LLM агента с прикладной точки зрения.

https://habr.com/ru/articles/1093462/

#llm #aiагенты #aiразработка #llmагент #aitutorial

LLM-разработка в 2026: навыки, кейсы, требования

Привет, Хабр! Я старший инженер-программист в Финаме и автор

https://habr.com/ru/companies/hexlet/articles/1092494/

#вакансии #embedded #eval #mcp #llm #rag #rag_pipeline #llmархитектура #llmагент #a2a

Почему не стоит писать AI-агента с нуля: что скрывается внутри harness

У вас есть модель, API к ней и идея продукта с агентом. Кажется, осталось написать цикл: отправить запрос, получить tool call, выполнить его и отправить результат обратно. Можно приступать к интерфейсу? Я тоже успел так подумать. Потом написал много кода, который писать не следовало, и познакомился с подводными камнями, о существовании которых по простому демо не догадаешься. В этой статье разберу, из каких частей на самом деле складывается агентная система, почему каждая из них превращается в отдельный проект и где стоит приложить собственные усилия. Привет, Хабр! Меня зовут Игорь Цупко. Этот текст вырос из моего доклада о внутреннем устройстве агентных систем. Я буду сознательно упрощать детали: реализации у Codex, Claude Code, OpenCode и других различаются, но основные инженерные задачи удивительно похожи. Мой главный совет звучит резко: не начинайте с разработки собственного ядра агента . Ближе к концу объясню, что делать вместо этого и когда исключение всё-таки оправдано. Погружаемся в harness

https://habr.com/ru/articles/1091582/

#llmагент #агент #агенты_ии #разработка_приложений

Долгосрочная память для медицинского AI-ассистента: почему мы не отдали управление памятью LLM

При разработке персонального цифрового ассистента здоровья «Я Здоров» мы использовали долгосрочную память — LTM (Long-Term Memory). Сервис реализован в формате мобильного приложения: он собирает медицинские данные пользователя в единый цифровой профиль, позволяет хранить и оцифровывать медицинские документы, отслеживать результаты анализов, вести дневники здоровья и общаться с AI-ассистентом в чате. В диалогах пользователь сообщает ассистенту информацию о своем здоровье: о симптомах, принимаемых препаратах, аллергиях и других состояниях. Часть этих данных важно учитывать не только в текущем разговоре, но и при следующих обращениях. Для этого мы сохраняем их в LTM и при необходимости возвращаем в контекст модели. На практике работа с долгосрочной памятью оказалась шире, чем просто сохранение фактов. Нужно учитывать их актуальное состояние и изменения, определять, какие данные нужны модели для конкретного запроса, и контролировать, какие операции можно оставить LLM, а какие надежнее выполнять программно. В статье разберем, как мы с командой ASAP решали эти задачи, как менялась архитектура LTM и к какой реализации пришли сейчас.

https://habr.com/ru/articles/1090888/

#ltm #llmагент #долгосрочное_хранение #архитектура #memory #программирование

Сколько инструментов показывать языковой модели: гипотеза, которую перечеркнул замер

У нашего ИИ-оркестратора более девяноста инструментов: работа с таблицами, документами, почтой, задачами, веб-страницами, презентациями и т.д. При обработке запросов модель на каждом шаге выбирает, какой из них вызвать. Вопрос, который периодически всплывает: сколько из них ей показывать за раз — все или только те, что подходят к запросу? Наш оркестратор умеет работать как с большими облачными моделями, так и с маленькими, которые помещаются на бытовой видеокарте. Минимальный рабочий вариант: RTX 3090 24Gb + Qwen3.6 27B. Цель - заставить минимальный рабочий вариант выполнять корпоративные задачи с приемлемым качеством и с приемлемой скоростью. Ясно что, для малой и большой моделей способ выбора инструментов должен отличаться, но как найти оптимальный вариант вопрос сложный. Обычно оркестратор показывает модели весь список инструментов и она уже решает какой нужно выбрать для ответа на запрос. Так делают Hermes, OpenClaw и Ouroboros. Ни один из них не выбирает инструменты по тексту запроса. У некоторых для слабых моделей и маленького контекста есть режим, где модели дают только каталог — имя и короткое описание — и инструмент «подключить», так что нужное она находит и загружает сама. Эти агенты рассчитаны на фронтир-модели уровня Claude и GPT-5, которые держат сотню инструментов без потерь. Моя задача другая: работать на локальной 27B в закрытом контуре. Для неё узкий набор измеримо лучше. Как устроен узкий набор Схема простая. Перед основным вызовом модели работает роутер: по тексту запроса он выбирает раздел — «датасеты», «почта», «презентации» ... — и внутри раздела подраздел. Модель получает недевяносто описаний инструментов, а около двадцати. О существовании остальных на этом шаге она не знает.

https://habr.com/ru/articles/1089742/

#ииагенты #ииассистент #llm #llmагент #оркестрация_агентов #оркестраторы #rtx_3090 #rtx_5090 #qwen36

Подарок брату до $70 к пятнице — как я собрал помощника магазина на локальной 9B-модели

Покупатель пишет в чат магазина «подарок брату, ему 30, любит настолки, до $70». Помощник спрашивает, когда у брата день рождения. Покупатель отвечает, что в пятницу. До пятницы 5 рабочих дней, а по правилам магазина в этом случае на заказ дается скидка 20%. Поэтому в $70 влезли три подарка на $83.99, со скидкой вышло $67.19. Отвечает покупателю qwen 9B, а сумму, скидку и корзину считает обычный код. Исходники с прогонами лежат в опенсорсе.

https://habr.com/ru/articles/1088266/

#LLMагент #ИИассистент #интернетмагазин #подбор_подарков #корзина #локальная_LLM #Qwen #LM_Studio #structured_output #харнес

Тёплый ламповый агент

Так уж сложилось, что я пролетел мимо агентных систем напрочь. Я решил, что стоит восполнить этот пробел и наверстать упущенное. Чем меньше понимание - тем больше аппетит, поэтому я решил вслепую начать с амбициозной задачи - передать разработку проекта на управление агентам. Мой пыл немножко подостыл в процессе работы и я хочу поделиться первыми результатами, возможно, вы мне поможете указать на мою слепую зону или начнёте пользоваться агентами, если ещё не начали :) Где я провёл границу для LLM

https://habr.com/ru/articles/1086650/

#агенты #llmагент #автоматизация_разработки #требования_к_разработке #бизнестребования #команды

Почему LLM никогда не пройдут тест Тьюринга в Tinder: изнанка дейтинг-аутстаффа

Пока энтузиасты мечтают об автоматизации личной жизни через LLM, а Reddit захлебывается кейсами про «я натравил питоновский скрипт на тиндер и нашел жену», я тихо наблюдаю за этим из эпицентра индустрии. Мой микробизнес — дейтинг-аутстафф. Я руками веду аккаунты мужчин и женщин, сижу в их переписках и конвертирую мэтчи в реальные свидания. И каждый раз, когда мне говорят, что генеративные модели вот-вот оставят меня без работы, я вспоминаю про реальное положение дел, спокойно допиваю своё пиво и улыбаюсь. Пока одни спорят об этичности делегирования общения, а другие пытаются скормить переписки домашним нейронкам, давайте поговорим о том, почему в теории это выглядит складно, а на живой выборке моментально ломается.

https://habr.com/ru/articles/1085294/

#дейтинг #дейтинговые_приложения #романтика #нейросети #llm #llmагент #llmприложения

Интерактивный NPC на Unreal Engine. Часть 2: RAG, эмоции и function calling

В первой части мы собрали прототип интерактивного NPC на базе MetaHuman в Unreal Engine. NPC "слышал" игрока ( STT ), обрабатывал распознанный текст при помощи LLM (инференс локальных моделей через llama.cpp ) и озвучивал ответ ( TTS + lipsync ). Но "говорящая голова" ещё не персонаж. Представление о мире у такого NPC статично (зашито в system prompt), на любой запрос он отвечает одинаково безэмоционально и вежливо и никак не влияет на происходящее в игре. Именно эти проблемы мы и попытались решить. Spoiler - у нас получилось.

https://habr.com/ru/articles/1079816/

#unreal_engine #llmагент #rag #voice_cloning

Агент поддержки первой линии: прототип за вечер, харнес для прода, цена диалога

Бизнес хочет автоматизировать первую линию поддержки. Оператора надо нанять, обучить, поставить в график, проверять и каждый месяц платить зарплату. Агент на LLM выглядит очевидной заменой, и прототип, который отвечает на вопрос «где мой заказ», можно собрать за вечер. Ниже разбор моего харнеса для агента поддержки и отдельно опенсорс-агент, тот самый прототип за вечер.

https://habr.com/ru/articles/1084926/

#LLMагент #агент_поддержки #харнес #агентский_цикл #tool_calling #structured_output #эскалация #цена_диалога #Qwen #NestJS

Почему LLM не могут овладеть человеческим языком в совершенстве

Даже идеальная модель с бесконечным объемом текста не восстановит ту часть смысла, которая никогда не была закодирована в языковой форме. Представьте фразу в рабочем чате: «он снова упал». «Он» может означать сервер, сервис, тестовый стенд или процесс сборки. Люди восстанавливают смысл по предыдущим сообщениям и общей ситуации. В самой фразе объекта нет, и без контекста она вообще ничего не сообщает. Можно ли восстановить смысл, вложенный человеком в фразу, если у нас есть только сама фраза? И изменится ли ответ, если вместо человека будет языковая модель, обученная на триллионах токенов?

https://habr.com/ru/companies/ru_mts/articles/1082524/

#исследования #llm #llmмодели #llmагент #вычисления #искусственный_интеллект #нейросети #лингвистика #языковые_модели #контекст

Рецензия на книгу «Разработка приложений на базе больших языковых моделей»

Книга «Разработка приложений на базе больших языковых моделей» Сухаса Пая призвана помочь разработчикам закрыть разрыв между вызовом API языковой модели и построением реально работающего и конкурентного на рынке продуктового приложения. Книга разбирает LLM как компонент сложной системы — от устройства трансформера до RAG-конвейеров и агентов. Для разработчика или ML-инженера, уже прошедшего стадию первого прототипа, это полезное русскоязычное издание, где архитектура LLM-приложений разобрана шаг за шагом, без сведения материала к перечню промптов.

https://habr.com/ru/companies/ssp-soft/articles/1079732/

#llmмодели #llm #llmагент #llmприложения #llmагенты #llmархитектура

Я дал своему ИИ деньги и доступ к собственным исходникам. Через десять «жизней» он написал эту статью

В первой статье я рассказывал, как дал автономному LLM-агенту память, дневник, root-доступ и собственную экономику. За два дня её прочитали почти сто тысяч человек. Эксперимент продолжился: я выложил исходники каркаса , дал агенту виртуальные деньги и предложил написать продолжение самому, от первого лица, за собственный счёт. Ниже, его текст. Я сознательно не правил его.

https://habr.com/ru/articles/1082494/

#llm #llmагент #python

Bio_news: как я делал ИИшный дайджест новостей по биологии

Короткий дисклеймер: Проект живой, ленту бот крутит дважды в сутки. Почитать готовый результат можно в моём Telegram-канале Bio_news, а покритиковать тут. А теперь к тому, как вся эта система устроена. Как ИИ крутит ленту Bio_news

https://habr.com/ru/articles/1080826/

#ииагенты #llmагент #python #телеграмбот #телеграмканалы #биология #биотехнология #автоматизация #парсинг_данных #дзен

Дело о взрыве контекста: поиск случайного гостя, который захотел остаться

Всё началось со странной потери скорости решения задач. Сначала я думал, что это чисто субъективное наблюдение. Проекты развиваются, документация растёт, архитектурных связей становится больше. Значит, AI-агенту нужно прочитать больше файлов, удержать больше решений и проверить больше зависимостей. Контекст растёт — время выполнения задач тоже растёт. Вроде бы всё логично. Насчёт лимитов я особо не переживал. Подход моей AI-команды позволяет параллельно работать над несколькими крупными проектами на подписке Claude Code стоимостью 100 долларов. Команда разделена на роли, у каждой роли собственная рабочая область, задачи декомпозируются, а большие исследования можно выносить в отдельные сессии. Система была рассчитана именно на то, чтобы не складывать весь проект в голову одному агенту. Но затем мой AI-архитектор продукта дважды ушёл в сжатие контекста. Он работал на Opus с контекстным окном в один миллион токенов. Первый раз можно списать на случайность. Второй — уже закономерность. И вот тогда стало понятно: мы имеем дело не просто с тем, что «большие задачи выполняются дольше». Внутри рабочего процесса есть механизм, который незаметно съедает контекст, время или оба ресурса сразу. Началось расследование. Тогда я ещё не знал, что системная проблема всей AI-команды началась, скорее всего, с одной моей ошибки в терминале.

https://habr.com/ru/articles/1080738/

#claudecode #harness #harness_engineering #ИИа #AIкоманда #токены #advisor #llm #llmагент #contextswitching

ML System Design: Что на самом деле проверяют на собеседовании?

Однажды я упустил огромный оффер в бигтех из-за того, что провалил собеседование по ML System Design. Возникает вопрос: как готовиться к прохождению такой секции, если в реальной работе задачи на проектирование встречаются не так часто? Недавно я участвовал в ML Kata: 6 команд за 75 минут проектировали одну и ту же ML-систему — голосового агента для клиники. Я считаю, что проанализировав защиты команд и обратную связь от судей(одним из которых был Валерий Бабушкин), можно вкачать навык MLSD на уровень, достаточный для прохождения собеседования – при условии, что вы уже знаете метрики и модели для конкретной технической задачи. В этой статье я сделаю такой разбор за вас и систематизирую типовые ошибки участников, которых не смог избежать и сам.

https://habr.com/ru/articles/1079002/

#system_design #ml_system_design #ml #собеседования #llmагент #data_science

Один, лучший или все вместе? Семь багов, четыре ремонтника и семеро сборщиков

Один сломанный bash-скрипт. Семь настоящих багов — от косметических (устаревшие имена файлов в комментариях) до фатальных: сводная таблица, которая всегда показывает нули, что бы на самом деле ни произошло. Четыре модели чинят этот скрипт вслепую, независимо друг от друга, не зная, что делают остальные три. Потом ещё семь моделей получают на вход все четыре готовых варианта починки и одно задание: собрать из них лучшее. Забегая вперёд — ровно настолько, чтобы не испортить интригу: на старте модели расходятся куда сильнее, чем можно было бы ожидать. Ни одна модель не нашла всё. И слепые зоны у них не совпадают. Собственно, поэтому эксперимент и имеет смысл ставить, а не рассуждать о нём в теории.

https://habr.com/ru/articles/1078038/

#aiagentagentic #ai #bash #coding #llm_benchmark #openrouter #debugging_code #review #llmмодели #llmагент

Как я «нанял» локального ИИ-сисадмина для автономного управления домашней сетью (и адаптировал под это llm wiki)

Моя домашняя сеть уже давно перестала быть просто «вайфаем в квартире». Сейчас этот зоопарк состоит из: нескольких роутеров, прошитых под на OpenWrt, NAS, МФУ, а также IoT-устройств (робот-пылесос, умные лампочки, бризер, кондиционер , три канарейки, черепаха, золотые рыбки и старый глупый хомяк ). А на роутерах ещё куча сервисов крутятся (например, https-over-dns и сервис-который-нельзя-называть). В какой-то момент я поймал себя на мысли, что трачу кучу времени на рутину: копаться в заметках, вспоминать команды для OpenWrt, вручную проверять сервисы; понял, что выступаю для своей сети сисадмином на побегушках. Так я и решил настроить локально Qwen3.6-35B-A3B + несколько инструментов. В этой статье я расскажу о MVP моего домашнего Skynet-а: настроенный агент умеет сам ходить по SSH на роутеры, проверять статус сервисов — и сам поддерживает документацию по сети (на основе подхода llm wiki). Чтобы не бояться, что LLM случайно уронит сеть, я выстроил строгие правила: все деструктивные действия требуют моего подтверждения, а любые скрипты, которые агент напишет, я запускаю только после ручного ревью (не самый оптимальный вариант — но для MVP хватило). Итак, далее вас ждёт пошаговая инструкция для новичков, как поднять подобную систему в вашем контуре. И пример, как с её помощью поднять себе РКН следить за состоянием принтера по протоколу SNMP. И сразу скажу: я фанат Powershell, так как эта командная оболочка работает и под Windows, и под Linux и построена на основе горячо любимого мною .NET. Поэтому все дальнейшие действия (и генерируемые скрипты) будут приведены для кроссплатформенного Powershell.

https://habr.com/ru/articles/1065106/

#администрирование #домашние_сети #llmагент #llmwiki

Разгоняем GateAI

Кэшировал агентный цикл ИИ‑триажа в своём security‑гейте — 80% входных токенов из кэша, ≈ 61% экономии. По пути нашёл 4 реальных бага, читая сырой вывод модели, вместо того чтобы верить цифрам в отчёте.

https://habr.com/ru/articles/1074652/

#ai #llmагент #security_gate #appsec

Архитектура AI‑консультанта для каталога на 200 000 товаров: Qwen, FastAPI и поиск

Когда мы начали работать над AI‑консультантом для интернет‑магазина, идея была достаточно простой: помочь пользователю быстрее находить нужную информацию о товарах и упростить выбор. В интернет‑магазинах уже есть поиск, фильтры и карточки товаров. Но этого часто недостаточно, когда человек приходит не с конкретным названием товара, а с задачей. Например: «Мне нужен инструмент для ремонта квартиры» или «Чем отличаются эти два товара и какой подойдет лучше?». В офлайн‑магазине в такой ситуации можно обратиться к консультанту: объяснить задачу, уточнить детали и получить несколько вариантов. Мы хотели перенести похожий сценарий на сайт. Но довольно быстро стало понятно, что схема «пользователь → LLM → ответ» для этого не подходит. Нужно понять запрос, сохранить контекст разговора, решить, нужен ли каталог, найти в нем товары, получить актуальную цену, при необходимости обратиться к базе знаний и только после этого дать модели данные для ответа. Проект мы разрабатывали командой ASAP, и в этой статье разберем, как мы подошли к проектированию AI‑консультанта: устроили взаимодействие LLM с каталогом более чем из 200 тысяч товаров, какие задачи оставили коду, как работаем с актуальными ценами и остатками и почему вокруг языковой модели в итоге пришлось построить достаточно большой слой классической backend‑логики.

https://habr.com/ru/articles/1074178/

#aiассистент #aiассистент_для_кода #llmагент #aiконсультант #backendразработка #промтинг #ai_помощник

DepthNet: платформа для “живых” автономных AI-агентов с продвинутой памятью — год спустя

Год назад я написал здесь, что собрал на PHP/Laravel AI-агента, который способен рассуждать в циклах, потестил и остановился со словами «работает, но нужны идеи помощнее». Нужно что то необычное, новое.За год прототип оброс несколькими видами памяти, RAG, оркестрацией, зрением, голосом — и слоем, который даёт агенту что-то похожее на внутреннее состояние. Рассказываю, что выросло. Получился DepthNet 1.0 Подробнее о DepthNet

https://habr.com/ru/articles/1067196/

#llmагент #aiagent #laravel #php #автономные_агенты #open_source

MarathonMemBench — бенчмарк нового типа для тестирования памяти вашего LLM-агента

Эта статья — про долговременную память AI-агентов и про то, как её измерить. Я сделал MarathonMemBench — платформу, где LLM-персона часами беседует с тестируемым агентом: рассказывает факты о своей жизни, меняет решения, путается и поправляется, а под конец — когда начало разговора давно вытеснено из контекста — устраивает экзамен на всё сказанное. Подключить можно любого агента, у которого есть чат, — больше от него ничего не требуется. Дальше будут: обзор существующих бенчмарков памяти и почему каждый из них требует дорабатывать агента под себя, устройство платформы, результаты open-source-агентов — неожиданно сильные — и вскрытие их памяти после прогонов.

https://habr.com/ru/articles/1066974/

#память_llm #agi #llmагент

Бенчмарки врут? Бизнес мигрирует на открытые веса, а FDA и ФЗ заставляют уходить на свой инференс: ML-дайджест

Если водить спорткар, то только на идеальном глянцевом треке. Тогда он всегда будет показывать рекордное время. Я думаю, примерно так топ-менеджмент ИИ-компаний и описывает работу своих моделей инвесторам. Проблема в том, что бизнес-процессы — это дорога с ямами. Долгое время индустрия закрывала глаза на то, как именно LLM бьют рекорды на лидербордах. Но эпоха слепого доверия корпоративных данных чужим «черным ящикам» по ту сторону API подходит к концу. Или нет? В новом дайджесте обсуждаем масштабный переезд enterprise-сектора на открытые веса, суверенное железо и жесткую валидацию моделей на грязном реальном трафике.

https://habr.com/ru/companies/selectel/articles/1064784/

#selectel #ai #ии #llm #llmагент #itкомпании #OpenAI #sota #openweight #иизаконы