#vision_llm — Public Fediverse posts

Мультимодальность в ИИ-агентах: картинки на вход, картинки на выход и отказ от Multimodal RAG

На связи Сергей Смирнов, AI-инженер и основатель LLMStart.ru. Сегодня разбираем мультимодальность в ИИ-агентах на реальном примере из продакшена. Мы проанализировали 258 диалогов нашего агента-консультанта по 1С и поняли: у входящих и исходящих картинок совершенно разная физика. Для входящих критично качество распознавания, а для исходящих — надежная доставка. В статье я подробно рассказываю, почему мы осознанно отказались от модного Multimodal RAG и как на самом деле нужно выбирать архитектуру под свои данные. Спойлер: экономить копейки на токенах — плохая идея, а усложнять систему стоит только тогда, когда это приносит реальные деньги.

https://habr.com/ru/companies/llmstart/articles/1039444/

#RAG #multimodal_RAG #мультимодальность #vision_LLM #imageonly #ColPali #CLIP #LLMагенты #LangChain #context_engineering

Как я за пять месяцев собрал Znich — ИИ-аналитику для авторов видео, в которой каждая фича родилась из боли

Как понять, почему один видос залетел, а другой нет? Я задавал себе этот вопрос примерно полгода назад. Я маркетолог, и одна из задач, которую я регулярно решал, — понять, что именно делает у конкурента ролик с миллионом просмотров. YouTube Studio честно показывает цифры — удержание, источники трафика, CTR. Но цельного ответа в этих цифрах нет: его нужно собирать руками

https://habr.com/ru/articles/1030552/

#YouTube #AI #Vision_LLM #SaaS #аналитика_контента #скриннер_ниш #Telegramбот #активация_пользователей #атрибуция