Рубрика «llm» - 41
Как ML изменит бизнес в 2026 году: прогноз Selectel, GlowByte и Data Sapience
2026-03-24 в 11:48, admin, рубрики: AI, generative models, llm, ml, rag, selectel, ии-агенты, машинное обучениеGigaChat-3.1: Большое обновление больших моделей
2026-03-24 в 10:47, admin, рубрики: GigaChat, gigachat 3.1 ultra, llm, opensourceСалют!
В ноябре мы выложили в open source preview-версии GigaChat-3-Ultra (702B MoE) и GigaChat-3-Lightning (10B MoE). С тех пор мы провели большую работу над нашими моделями, и сегодня выпускаем обновлённые GigaChat-3.1-Ultra и GigaChat-3.1-Lightning. По нашим замерам, Ultra обходит non-reasoning Qwen3-235B-A22B и DeepSeek-V3-0324 в математике и general reasoning, а Lightning на аренах с судьёй GPT-4.1 играет на уровне GPT-4o — при 1,8 млрд активных параметров. Модели, как и раньше, лежат на HuggingFace и GitVerse под MIT.
NSFW фильтр на основе большой языковой модели
2026-03-24 в 6:15, admin, рубрики: C#, gemma2, llm, NSFW, phi-3, qwen2.5В современном мире генерация изображений с помощью нейросетей стала возможна не только большим компаниям с суперкомпьютерами, но и рядовым пользователям с простым геймерским железом.
И возможно, кому-то захотелось не только самому пользоваться этими нейросетями, но и дать доступ к ним большому кругу людей, что может быть сопряженно с некоторыми трудностями.
Постановка проблемы
Почему нам пришлось превратить нормативные документы в граф, а не просто загрузить их в векторную базу
2026-03-23 в 14:15, admin, рубрики: llm, rag, semantic search, гост, ИИ, нейросети, нормативные документы, СП СНИП, строительствоКогда говорят про RAG, обычно имеют в виду довольно прямую схему: взять документы, нарезать их на фрагменты, посчитать эмбеддинги, сложить всё в векторную базу и поверх этого подключить LLM. На демо это часто работает. Иногда работает и на корпоративных данных. Но на нормативных документах такой подход очень быстро начинает сыпаться.
Заказываю пиццу через AI-агента: как я перестал открывать приложение Додо
2026-03-23 в 6:45, admin, рубрики: AI, claude, llm, skills, агентыПривет, меня зовут Лев. Вдохновившись постом коллеги, который через MCP-ВкусВилл собирает себе корзину покупок, решил пойти дальше — собрать агента, который не просто ищет информацию, а совершает действия: выбирает пиццу, собирает корзину, оплачивает и оформляет заказ. Так как готовить категорически не люблю, а дэнвич обожаю — целью стала любимая Додо Пицца.
Результат: говорю агенту «закажи самую сытную пиццу и колу» — и получаю заказ #177 за 534 рубля. Оплата с привязанной карты, самовывоз из ближайшей пиццерии. Пицца готовится, пора идти забирать.
RAG: как Филин Палыч-реранкер навел порядок в цифровом королевстве
2026-03-22 в 12:25, admin, рубрики: llm, rag, Reranker, векторный поиск, научпоп, эмбеддинги
Используйте оглавление, если не хотите читать текст полностью:
Графы знаний в юридическом домене: как не потерять сложность при построении RAG-системы
2026-03-20 в 7:16, admin, рубрики: AI, artificial intelligence, graph database, graphrag, knowledge graphs, large language models, llm, rag, vector database
Почему большинство AI-агентов плохо работают на Raspberry Pi (и как я попытался это исправить)
2026-03-19 в 11:16, admin, рубрики: golang, homelab, llm, local ai, open source, Raspberry PiПроблема: тяжёлые AI-агенты на маленьком железе
Последнее время я экспериментировал с AI-агентами на Raspberry Pi 5.
И довольно быстро столкнулся с проблемой: большинство существующих агентных фреймворков оказываются слишком тяжёлыми для небольшого железа.
Типичная архитектура таких решений включает:
-
Python-фреймворк
-
несколько фоновых сервисов
-
orchestration слой
-
иногда векторную базу
-
довольно сложную конфигурацию
На сервере это нормально работает. Но на Raspberry Pi всё начинает ощущаться иначе:
-
долгий старт
-
лишние зависимости
Это мой первый пост на Хабре, так что не судите строго :-)
Текст ниже - это слегка отредактированная версия чата с моими друзьями, где я вызвался объяснить, что же именно происходит в мозгах «электронного болвана». Так получилось, что в конце 2025 — начале 2026 я смог, наконец, удовлетворить собственное любопытство относительно внутреннего устройства современных нейросетей. Правда, не до конца — сейчас уже почти все переходшли на архитектуру MoE, но насколько я вижу — это скорее оптимизация, нежели что‑то кардинально новое. Трансформер так и остаётся в центре всего этого технологического чуда, что мы наблюдаем.
Генеральный директор не делает холодные звонки: как мы разделили роли LLM и сэкономили бюджет на AI-разработке
2026-03-19 в 7:16, admin, рубрики: llm, llm-агент, агенты, агенты ии, экономияПривет! Меня зовут Семен, руководитель команды разработки продукта, мы небольшая команда стартапа, которая занимается внедрением ИИ в бизнес-процессы. Как это часто бывает, пытаясь автоматизировать работу других, мы столкнулись с классической проблемой у себя дома: острой нехваткой времени и рабочих рук.

