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 · 86

rss_feed Anthropic News translateRU

Building Effective AI Agents

Anthropic делится опытом, накопленным за год работы с десятками команд, строящих агентов на больших языковых моделях (LLM). Главный вывод: самые успешные реализации обходились без сложных фреймворков

Agentic Engineering AI Agents LLM Engineering
2655 сл.
rss_feed Anthropic News translateRU

Labor market impacts of AI: A new measure and early evidence

Anthropic представила новую метрику воздействия AI на рынок труда — observed exposure, которая объединяет теоретические возможности LLM из работы Eloundou et al. (2023) с реальными данными использован

Ai Adoption Economic Research LLM Engineering
3942 сл.
rss_feed Anthropic News translateRU

Harness design for long-running application development

Притхви Раджасекаран из команды Anthropic Labs рассказывает о разработке многоагентной системы (harness) для долгосрочной автономной разработки приложений, вдохновлённой архитектурой GAN. Архитектура

AI Agents Frontier Models LLM Engineering
4961 сл.
rss_feed Latent Space translateRU

🔬Why There Is No "AlphaFold for Materials" — AI for Materials Discovery with Heather Kulik

Профессор Heather Kulik из MIT — одна из первых, кто стал применять вычислительные методы и data-driven моделирование в материаловедении задолго до хайпа вокруг AI for science. Её группа недавно испол

Ai Research Deep Tech LLM Engineering
958 сл.
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 The Bootstrapped Founder translateRU

How to Actually Use Claude Code to Build Serious Software

Арвид Каль делится опытом более чем полугода использования Claude Code для разработки SaaS-платформы. Главная идея: основная ценность инструмента — в правильной конфигурации и промптах, а не в самом с

LLM Engineering Prompt Engineering Vibe Coding
1961 сл.
rss_feed a16z translateRU

Emerging Architectures for LLM Applications | Andreessen Horowitz

Статья a16z описывает референсную архитектуру для приложений на основе LLM, сложившуюся в практике AI-стартапов и продвинутых техкомпаний. Основной паттерн — in-context learning: вместо дообучения мод

Ai Infrastructure LLM Engineering RAG
3712 сл.
rss_feed a16z translateRU

AI Canon | Andreessen Horowitz

«AI Canon» — кураторская подборка ресурсов от венчурного фонда a16z, помогающая разобраться в современном ИИ: статьи, блог-посты, курсы и руководства, оказавшие наибольшее влияние на область за послед

Ai Research LLM Engineering Machine Learning
4626 сл.
rss_feed a16z translateRU

Navigating the High Cost of AI Compute | Andreessen Horowitz

a16z разбирает экономику вычислений в эпоху генеративного ИИ: индустрия упирается в дефицит compute, причём спрос превышает предложение примерно в 10 раз, а многие компании тратят более 80% привлечённ

Ai Infrastructure Compute Capacity LLM Engineering
5448 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.