Темы

Разборы работ об автономных агентах: планирование, вызов инструментов, мультиагентные системы и то, почему они ломаются на длинных задачах.

Модели, которые пишут, читают и чинят код: от автодополнения до самостоятельной работы над задачей в репозитории.

Как модели приходят к ответу: цепочки рассуждений, планирование, самопроверка и цена длинных размышлений.

Что модель помнит между запросами и внутри одного: долговременная память, работа с длинным контекстом, забывание.

Модели, которые видят: изображения, видео, генерация и понимание визуального.

Как измеряют качество моделей и почему бенчмарки регулярно врут.

Дешевле, быстрее, меньше: квантизация, дистилляция, ускорение инференса и экономия на масштабе.

Галлюцинации, выравнивание, устойчивость к атакам и то, что бывает, когда модели доверяют больше, чем стоит.

RLHF, GRPO, DPO и прочие способы научить модель тому, чего нет в обучающих данных.

Модели, управляющие физическими устройствами: от манипуляторов до разрыва между «вижу» и «делаю».

Текст, звук, изображение и видео в одной модели.

Retrieval-augmented generation и глубокие исследования: как подсунуть модели нужные знания в нужный момент.

Внедрение, перестройка процессов и экономика: что происходит с компанией, когда ИИ перестаёт быть экспериментом.

Дата-инжиниринг в эпоху моделей: подготовка данных, аналитика без SQL и то, почему Text-to-SQL продолжает ломаться.

Модели как исследователи: доказательство теорем, поиск законов природы и работа в лаборатории.

Сознание, AGI, доверие и то, что модели делают с людьми, которые ими пользуются.

Внутренние представления о реальности: world models, симуляции и переход от предсказания к пониманию.

Диагностика, клинические задачи и цена ошибки там, где она дороже всего.

Модели за пределами экрана: носимые устройства, интернет вещей и новые способы общаться с машиной.

Как выжимать из модели больше: промптинг, выбор режима, типичные ошибки в использовании.