Tessary отслеживает сбои ИИ-агентов по всем production-трейсам
Открытый проект Tessary сочетает дешёвые классификаторы для первичного поиска проблем и отдельные агенты для анализа причин. Систему можно развернуть самостоятельно...
Тема COMRAD404
AI-инфраструктура — страница 3
576 материалов
Velu проверяет, насколько документация пригодна для ИИ-агентов
Сервис Velu оценивает страницы документации по 23 проверкам: от llms.txt и Markdown-версий до серверного рендеринга, HTTP-кодов и доступности без авторизации.
Lacuna — открытая утилита для инлайн-подсказок ИИ на macOS
Джек Дэймон выложил в открытый доступ Lacuna — инструмент, который внедряет языковую модель в любое текстовое поле Mac через фигурные...
Liquid Inference предлагает выбирать поставщика LLM по цене и заданному качеству
Liquid Inference описывает маркетплейс, где провайдеры конкурируют за запросы к моделям, а маршрутизатор подбирает вариант под заданный уровень качества и...
Модель на 0,8 млрд параметров обошла GPT-5 в разметке грамматики
Авторы исследования внедрили небольшую дообученную модель для анализа уроков английского. По их оценке, она точнее отвечала на тестах, чем модели...
На часах: смогут ли ИИ-агенты уложиться в отведённое время и не потерять в продуктивности
Исследователи проверили, как небольшие LLM-агенты работают с явным ограничением по времени, и выяснили, что соблюдать бюджет они могут, а вот...
Fakegreen: детектор уловок AI-агентов, имитирующих успешные сборки
Инструмент с открытым кодом Fakegreen анализирует изменения агентов в Git-дифе и находит типичные уловки: пропуск тестов, ослабление проверок, заглушки в...
Бенчмарк LLM Motion Graphics Benchmark: генерация моушн-дизайна языковыми моделями
На Cliphouse запущен тест, сравнивающий способность больших языковых моделей создавать код для анимированной графики. Бенчмарк проверяет стоимость, время и надёжность...
Каталог AI-инструментов для программирования собрал агентов, локальные модели и SWE-bench
В GitHub-репозитории собраны AI-ассистенты для кода, терминальные агенты, архитектурные схемы и исследовательские работы. Это обзорная карта инструментов, а не сравнительный...
Jevman: открытый бенчмарк AI-моделей в Pac-Man
Opper.ai запустила Jevman — аркадный бенчмарк, где модели принятия решений соревнуются в Pac-Man. Шесть моделей сыграли по 100 игр, результаты...