newsmode
search
Меню
Категории
apps Все forward_to_inbox Cold Email / Outbound gps_fixed Positioning travel_explore Customer Discovery rocket_launch Founder / YC auto_awesome Applied AI / LLM analytics SaaS Strategy trending_up Growth / Distribution build Indie / Bootstrap support_agent Conversational AI
Теги (топ-30)
AI Agents ·275 Ai Adoption ·192 Frontier Models ·163 Founder-Led Sales ·159 Conversational AI ·153 Outbound Sales ·150 Sales Automation ·144 Ai Infrastructure ·130 Go To Market ·128 Customer Experience ·125 Developer Tools ·122 Venture Funding ·122 Founder Mindset ·119 SaaS Metrics ·114 Product-Market Fit ·111 Enterprise Ai ·96 LLM Evals ·91 Career Advice ·89 Cold Email ·88 LLM Engineering ·86 Growth Strategy ·78 Saas ·75 Productivity Metrics ·74 Ai Products ·72 No Code Chatbots ·71 Ai Automation ·70 Customer Discovery ·69 Bootstrapping ·68 Content Creation ·67 Solopreneurship ·67
Источники
a16z Aaron Ross — Predictable Revenue Andrej Karpathy Andrej Karpathy — BearBlog Andrew Chen Anthropic News Botpress Blog Clay Blog Ethan Mollick — One Useful Thing Eugene Yan First Round Review Hamel Husain HubSpot Sales Blog Intercom / Fin Blog Justin Welsh Kyle Poyar — Growth Unhinged Latent Space Lavender Blog Lenny's Newsletter Not Boring Paul Graham Essays Rob Walling SaaStr Simon Willison Stratechery Teresa Torres — Product Talk The Bootstrapped Founder Tomasz Tunguz Voiceflow Blog Working Theorys
Прогресс перевода 1953/2270 · 86%
inboxВсе translateПереведено bookmarkХочу прочесть thumb_upПонравилось radio_button_uncheckedНепрочитанные check_circleПрочитал

#LLM Engineering · 76

rss_feed Anthropic News translateRU

Introducing Claude Opus 4.5

Anthropic представила Claude Opus 4.5 — новейшую модель, доступную с сегодняшнего дня в приложениях, API и на трёх крупнейших облачных платформах. Модель показывает state-of-the-art результаты в реаль

AI Agents Frontier Models LLM Engineering
2361 сл.
rss_feed Anthropic News translateRU

Claude Opus 4.6

Anthropic представила Claude Opus 4.6 — обновление своей самой умной модели. Она лучше программирует, аккуратнее планирует, дольше держит агентные задачи, надёжнее работает в больших кодовых базах и в

AI Agents Frontier Models LLM Engineering
2831 сл.
rss_feed Latent Space translateRU

[AINews] Is Harness Engineering real?

Автор размышляет о центральной дискуссии в AI-инженерии — споре между сторонниками «Big Model» (мощь сосредоточена в самой модели) и «Big Harness» (ценность создаёт обвязка вокруг модели). Команды Cla

AI Agents Ai Infrastructure LLM Engineering
1146 сл.
rss_feed Anthropic News translateRU

Mapping the Mind of a Large Language Model

Anthropic сообщает о значительном прогрессе в понимании внутренней работы LLM: исследователи извлекли миллионы признаков (features) из среднего слоя Claude 3.0 Sonnet, получив первую детальную карту к

Ai Safety LLM Engineering Mechanistic Interpretability
1839 сл.
rss_feed Andrej Karpathy translateRU

microgpt

Андрей Карпатый представляет художественный проект microgpt — один файл на 200 строк чистого Python без зависимостей, который обучает и запускает GPT. В скрипте собрана вся алгоритмическая суть LLM: д

Deep Learning LLM Engineering Open Source
5492 сл.
rss_feed Latent Space translateRU

Experts Have World Models. LLMs Have Word Models.

Эссе разбирает фундаментальное ограничение LLM: они оптимизированы под создание артефактов, которые нравятся оценщикам в изоляции, но не умеют моделировать «мир» — реакции других агентов, их скрытые м

AI Agents Frontier Models LLM Engineering
3586 сл.
rss_feed Hamel Husain translateRU

P3: Optimizing Retrieval with Reasoning Models – Hamel’s Blog - Hamel Husain

В рамках курса LLM Evals Хэмел Хусейн принимал Ориона Веллера из Университета Джонса Хопкинса, который рассказал об интеграции instruction-following и reasoning напрямую в процесс поиска документов дл

Ai Infrastructure LLM Engineering RAG
2966 сл.
rss_feed Andrej Karpathy — BearBlog translateRU

Verifiability

Андрей Карпати проводит аналогию между ИИ и новой вычислительной парадигмой, поскольку оба связаны с автоматизацией обработки цифровой информации. В прежней парадигме (Software 1.0 — написанные вручну

Frontier Models LLM Engineering Software Philosophy
381 сл.
rss_feed Hamel Husain translateRU

Q: Can I use the same model for both the main task and evaluation? – Hamel’s Blog - Hamel Husain

Для выбора модели LLM-as-Judge обычно нормально использовать ту же модель, что и в основном пайплайне, поскольку судья выполняет другую задачу. Исследования показывают, что модели могут проявлять пред

LLM Engineering LLM Evals
208 сл.
rss_feed Hamel Husain translateRU

Your AI Product Needs Evals –

Хамель Хусейн, независимый консультант по AI-продуктам и в прошлом руководитель команды CodeSearchNet (предшественника GitHub CoPilot), утверждает, что почти все неудачные LLM-продукты объединяет одна

Ai Products LLM Engineering LLM Evals
3831 сл.
rss_feed Eugene Yan translateRU

Training an LLM-RecSys Hybrid for Steerable Recs with Semantic IDs

Юджин Ян описывает эксперимент по обучению гибрида LLM и рекомендательной системы на основе семантических ID — иерархических токенов, заменяющих хеш-идентификаторы товаров. Используя данные Amazon Rev

LLM Engineering RAG Recommendation Systems
4921 сл.
rss_feed Hamel Husain translateRU

Q: How should I version and manage prompts? – Hamel’s Blog - Hamel Husain

Статья обсуждает подходы к версионированию и управлению промптами в LLM-приложениях. Автор рекомендует хранить промпты в Git, рассматривая их как программные артефакты, которые версионируются и деплоя

LLM Engineering LLM Evals Prompt Engineering
370 сл.
rss_feed Hamel Husain translateRU

Q: What is a trace? – Hamel’s Blog - Hamel Husain

Трейс (trace) — это полная запись всех действий, сообщений, вызовов инструментов и извлечений данных, начиная с одного исходного запроса пользователя и заканчивая финальным ответом. Он охватывает кажд

AI Agents LLM Engineering LLM Evals
106 сл.
rss_feed Hamel Husain translateRU

Q: What should go in the system prompt vs. the user prompt? – Hamel’s Blog - Hamel Husain

Хамель Хусейн отвечает на вопрос, что помещать в системный промпт, а что — в пользовательский. Главный совет: ничто не заменит эксперимента — тестируйте оба варианта (в идеале с evals) на своей модели

LLM Engineering LLM Evals Prompt Engineering
184 сл.
rss_feed Hamel Husain translateRU

Q: How much time should I spend on model selection? – Hamel’s Blog - Hamel Husain

Хамель Хусейн отвечает на частый вопрос разработчиков LLM-приложений: сколько времени тратить на выбор модели. Его позиция — большинство фиксируется на смене модели как на главном способе улучшения си

LLM Engineering LLM Evals
97 сл.
rss_feed Hamel Husain translateRU

Q: Should I build automated evaluators for every failure mode I find? – Hamel’s Blog - Hamel Husain

Хамэль Хусейн отвечает на вопрос, стоит ли строить автоматические оценщики (evaluators) для каждого найденного режима отказа LLM. Главный совет — сначала устранять очевидные пробелы через доработку пр

LLM Engineering LLM Evals Prompt Engineering
181 сл.
rss_feed Hamel Husain translateRU

Curating LLM data – Hamel’s Blog - Hamel Husain

Hamel Husain рассказывает, почему стоит создавать собственные инструменты для разметки и курирования данных при работе с LLM, а не полагаться на готовые вендорские решения. Он перепробовал Spacy Prodi

Data Engineering Developer Tools LLM Engineering
578 сл.
rss_feed Hamel Husain translateRU

Estimating vRAM – Hamel’s Blog - Hamel Husain

Хэмел Хусейн делится практическими формулами для прикидочной оценки объёма vRAM, необходимого для обучения и инференса LLM. Он отталкивается от калькулятора Зака Мюллера и дополняет его поправками на

LLM Engineering Ml Engineering Production Ml
539 сл.
rss_feed Hamel Husain translateRU

Open Office Hours – Hamel’s Blog - Hamel Husain

Hamel Husain проводит открытые консультационные часы, на которых отвечает на вопросы о больших языковых моделях (LLM). Формат открыт для всех желающих, записаться можно через Calendly.

Learning In Public LLM Engineering
18 сл.
rss_feed Hamel Husain translateRU

Llama-3 Func Calling – Hamel’s Blog - Hamel Husain

Hamel Husain показывает, как использовать вызов функций (function calling) с моделью Llama-3 70B Instruct через инференс-API Replicate. В заметке приводится вспомогательный код для парсинга ответа с т

Developer Tools LLM Engineering Open Source
618 сл.
rss_feed Hamel Husain translateRU

Iterative Prompt Development – Hamel’s Blog - Hamel Husain

Заметка Hamel Husain демонстрирует итеративный подход к разработке промптов на примере генерации маркетингового описания офисного кресла на основе технического фактологического листа. Автор показывает

LLM Engineering Prompt Engineering
764 сл.
rss_feed Hamel Husain translateRU

Inferring – Hamel’s Blog - Hamel Husain

Заметка показывает, как извлекать информацию из текстов с помощью LLM на примере отзыва о лампе и новостной статьи. Приведены промпты для определения тональности (positive/negative), списка эмоций, на

LLM Engineering Prompt Engineering
858 сл.
rss_feed Eugene Yan translateRU

Improving Recommendation Systems & Search in the Age of LLMs

Обзор того, как индустриальные рекомендательные системы и поиск эволюционировали за последний год под влиянием больших языковых моделей. Автор разбирает четыре направления: архитектуры с LLM/мультимод

LLM Engineering Ml Engineering RAG
8580 сл.