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 Hamel Husain translateRU

Fuck You, Show Me The Prompt.

Статья Hamel Husain посвящена проблеме непрозрачности LLM-фреймворков (Guardrails, Guidance, LangChain, Instructor, DSPy), которые переписывают или конструируют промпты за пользователя, скрывая реальн

Ai Infrastructure LLM Engineering Prompt Engineering
4433 сл.
rss_feed Eugene Yan translateRU

How to Generate and Use Synthetic Data for Finetuning

Юджин Ян делает обзор того, как генерировать и использовать синтетические данные для дообучения языковых моделей. Существуют два основных подхода: дистилляция знаний из более сильной модели-учителя и

LLM Engineering Machine Learning Synthetic Data
8277 сл.
rss_feed Eugene Yan translateRU

Language Modeling Reading List (to Start Your Paper Club)

Eugene Yan делится списком для чтения по языковому моделированию, составленным в рамках еженедельного клуба статей. Подборка включает около 50 фундаментальных работ — от Attention Is All You Need и се

Deep Learning Learning In Public LLM Engineering
1165 сл.
rss_feed Eugene Yan translateRU

2023 Year in Review

Eugene Yan подводит итоги 2023 года: он написал 20 статей (вместо запланированных 26), активно изучал LLM — от прототипов Discord-ботов и Obsidian-копилота до тонкой настройки классификаторов галлюцин

Learning In Public LLM Engineering Year In Review
1510 сл.
rss_feed Eugene Yan translateRU

Reflections on AI Engineer Summit 2023

Юджин Ян делится впечатлениями от первого AI Engineer Summit в Сан-Франциско, где он выступил с докладом о строительных блоках для LLM-систем. Главными болевыми точками деплоя, по данным опроса Amplif

LLM Engineering LLM Evals RAG
1467 сл.
rss_feed Eugene Yan translateRU

AI Engineer 2023 Keynote - Building Blocks for LLM Systems

Доклад Eugene Yan на первом AI Engineer Summit 2023 посвящён ключевым строительным блокам для систем на основе LLM: оценкам (evals), RAG, защитным ограничениям (guardrails) и сбору обратной связи. Авт

LLM Engineering LLM Evals RAG
3533 сл.
rss_feed Eugene Yan translateRU

How to Match LLM Patterns to Problems

Статья Eugene Yan — продолжение его обзора паттернов работы с LLM. Автор классифицирует модели на внешние (сторонние API) и внутренние (self-hosted), а паттерны — по степени зависимости от данных. Дал

LLM Engineering LLM Evals Production Ml
1195 сл.
rss_feed Eugene Yan translateRU

Patterns for Building LLM-based Systems & Products

Юджин Ян (Eugene Yan) разбирает семь ключевых паттернов для интеграции LLM в системы и продукты, расположенных по осям «улучшение качества vs. снижение стоимости/риска» и «ближе к данным vs. ближе к п

LLM Engineering Production Ml RAG
13163 сл.
rss_feed Eugene Yan translateRU

Obsidian-Copilot: An Assistant for Writing & Reflecting

Юджин Ян рассказывает о прототипе Obsidian-Copilot — помощника для письма и рефлексии в Obsidian, построенного на retrieval-augmented generation. Документы из заметок нарезаются на чанки по верхнеуров

Developer Tools LLM Engineering RAG
1357 сл.
rss_feed Eugene Yan translateRU

Some Intuition on Attention and the Transformer

Юджин Ян даёт интуитивное объяснение механизма внимания (attention) и архитектуры Transformer для тех, кто уже прочитал статью «Attention Is All You Need» и в общих чертах знаком с темой. Автор показы

Deep Learning LLM Engineering Machine Learning
1561 сл.
rss_feed Eugene Yan translateRU

Raspberry-LLM - Making My Raspberry Pico a Little Smarter

Юджин Ян описывает свой эксперимент raspberry-llm: Raspberry Pico с e-ink экраном, который получает RSS-ленты WSJ и HackerNews, обращается к сторонним LLM API и генерирует контент в разных стилях — от

Creative Workflows Developer Tools LLM Engineering
411 сл.
rss_feed Eugene Yan translateRU

Experimenting with LLMs to Research, Reflect, and Plan

Eugene Yan описывает эксперименты с LLM, в ходе которых он собрал в Discord набор инструментов-команд: /summarize и /eli5 для краткого пересказа URL, /sql и /sql-agent для запросов к базе, /search для

LLM Engineering Prompt Engineering RAG
2854 сл.
rss_feed Eugene Yan translateRU

NLP for Supervised Learning - A Brief Survey

Юджин Ян кратко прослеживает эволюцию NLP для обучения с учителем с 1985 по 2020 год. Он начинает с последовательных моделей — RNN (1985), LSTM (1997) и GRU (2014), — а затем переходит к словным эмбед

Deep Learning LLM Engineering Machine Learning
4335 сл.