GPT-6 Astra: не AGI, а серьёзный тест для агентов, работающих с компьютером
Аналитики из Reddit пришли к выводу, что новая модель OpenAI — не прорыв к общему искусственному интеллекту, а специализированный инструмент...
Тема COMRAD404
AI-инфраструктура — страница 24
576 материалов
Как ИИ помогает планировать путешествия: опыт использования нейросетей для маршрутов по Беларуси
Разбираемся, какие AI-инструменты реально упрощают подготовку поездки: от генерации маршрута до поиска локальных достопримечательностей. Тестируем на примере Беларуси.
Ложные срабатывания и пропуски: маркировка AI-контента в Instagram снова даёт сбои
Пользователи Instagram массово сообщают, что платформа ошибочно помечает обычные фотографии как «AI Content» — из-за использования инструментов вроде Canva Background...
Персонализация ИИ-ассистента преподавателя: промпт-инжиниринг вместо дообучения
Исследователи представили фреймворк на основе промпт-инжиниринга для персонализации ответов ИИ-ассистента преподавателя. Система учитывает шесть параметров обучаемого, формируя 96 профилей, и...
R²Adapter: адаптер для гибридного RAG без лишних затрат
На arXiv появилась статья, в которой описывается R²Adapter — легковесный адаптер, динамически распределяющий запросы между vanilla RAG и graph-based RAG....
Новый бенчмарк DSB-IFEval: как голосовые агенты следуют неявным инструкциям
Исследователи представили DuplexSpeechBench-IFEval — набор из 1038 тестов для оценки того, как full-duplex голосовые агенты следуют инструкциям, заданным через роль...
Локализованный выигрыш и ловушка равномерного деления бюджета: что показывает HARNESSEVO о самоэволюции LLM-агентов
Исследователи разложили обвязку LLM-агента на четыре слота и обнаружили, что почти вся польза от оптимизации сосредоточена в слоте рефлексии, а...
Клод против GPT-4o: тестируем режим редактирования кода в Claude Code
Сравниваем работу Claude Code и GPT-4o в задачах редактирования существующего кода. Тесты на реальных сценариях: рефакторинг, исправление багов, добавление фич....
Почему у LLM-API до сих пор нет нормального тестового режима — вопрос, который задали на Hacker News
Разработчики жалуются, что для нагрузочного тестирования чат-ботов приходится тратить реальные токены или писать собственные моки. На Hacker News предлагают взять...
Mireye (YC S26) строит «физический слой» для ИИ-агентов: 366 полей данных о каждом объекте в США
Стартап Ansh Chokshi превращает разрозненные данные о недвижимости, инфраструктуре и зонировании в единый API и MCP-сервер для агентов. В основе...