Clai — LLM как обычная shell-команда
Show HN: Clai превращает языковую модель в UNIX-фильтр stdin → stdout. Разбираем, что подтверждено, что нет и кому это может...
Тема COMRAD404
AI-инфраструктура — страница 42
576 материалов
Liquid AI выпустила LFM2.5-2.6B — компактную модель для запуска агентов на любом устройстве
Модель LFM2.5-2.6B от Liquid AI умеет вызывать инструменты и выполнять многошаговые задачи, работая на CPU, GPU и даже на телефоне....
Obshazard-bench: новый бенчмарк мультимодальных моделей для мониторинга катастроф
На arXiv вышел препринт Obshazard-bench — бенчмарка для проверки мультимодальных LLM на сырых спутниковых потоках в задачах оперативного реагирования на...
AgentMemBench: бенчмарк долгосрочной памяти агентов — внешнее хранилище обходит конкурентов
Новый препринт AgentMemBench сравнивает пять стратегий долгосрочной памяти для разговорных агентов на едином харнесе. Внешнее хранилище (EKV) лидирует по всем...
Моделирование операционных задач с LLM: неопределённость и симуляция
Новая работа на arXiv предлагает training-free фреймворк для генерации математических моделей операционных задач с помощью LLM. Метод использует короткие симуляции...
В GitHub Copilot cloud agent появилась настройка уровня рассуждений для задач
GitHub добавил возможность выбирать уровень рассуждений (reasoning level) для Copilot cloud agent. Чем выше уровень, тем глубже анализ задачи, но...
Китай использует открытую модель против закрытых систем OpenAI — что говорят данные
На Reddit обсуждают, как Китай догоняет США в AI за счёт открытых моделей, патентов и публикаций. Разбираем, что подтверждено, а...
TAPR: RL-переписчик промптов для LLM заявляет рост на Natural Questions и GSM8K
Новый arXiv-препринт TAPR: отдельная модель на базе Phi-4-mini переписывает пользовательские промпты под задачу через GRPO и LLM-as-judge. Заявлен стабильный прирост...
MCP протокол: что это и как использовать для интеграции LLM с инструментами
Model Context Protocol (MCP) — открытый протокол от Anthropic, который позволяет LLM безопасно подключаться к внешним API, базам данных и...
Глубокое тестирование: как проверить AI-агента до интеграции
Разбираем практические методики проверки AI-агентов на основе официальных бенчмарков и опыта сообщества. Что можно измерить, где начинаются иллюзии и как...