newsmode
search
Меню
Категории
Теги (топ-30)
Источники
Прогресс перевода 1953/2270 · 86%

Все · 31

rss_feed Voiceflow Blog translateRU

How to Build an AI Customer Service Chatbot in 2026 [4 Steps]

Статья разбирает состояние AI-чатботов для клиентского сервиса в 2026 году на фоне громкой истории Klarna: в феврале 2024 ассистент на OpenAI обработал две трети чатов поддержки (2,3 млн разговоров на

Conversational AI Customer Experience RAG
2799 сл.
rss_feed Voiceflow Blog translateRU

Conversational AI: What It Is and How To Use It [2026]

Статья Voiceflow рассказывает о разговорном ИИ: от определения и отличий от традиционных чат-ботов и генеративного ИИ до технического разбора работы (ASR, NLP, управление диалогом, NLG, TTS). Приводит

AI Agents Conversational AI RAG
1338 сл.
rss_feed Voiceflow Blog translateRU

Context Engineering: The Future of AI Development

Статья знакомит с концепцией context engineering — систематической дисциплины проектирования AI-систем, которые динамически собирают всю нужную информацию, инструменты и данные в оптимальном формате д

Context Engineering Conversational AI RAG
1420 сл.
rss_feed Voiceflow Blog translateRU

How to Build an AI Travel Agency Bot in 2026 (No Code)

Практическое руководство по созданию AI-агента для туристического агентства без программирования на базе Voiceflow и Make.com. Автор показывает на примере реального агентства Jetset World Travel, как

Conversational AI No Code Chatbots RAG
1802 сл.
rss_feed Voiceflow Blog translateRU

How to Build an AI Dungeon Master Bot [Fast & Easy]

Статья — практическое руководство по созданию AI Dungeon Master для настольных ролевых игр (вроде Dungeons & Dragons) на платформе Voiceflow без программирования. Автор объясняет, какие качества долже

Conversational AI No Code Chatbots RAG
1260 сл.
rss_feed Lenny's Newsletter translateRU

An AI glossary

Lenny публикует глоссарий из более чем 20 самых распространённых терминов в сфере ИИ, объясняя каждый максимально просто — «как будто мне пять лет». Разбираются ключевые понятия: модель, LLM, архитект

Enterprise Ai Prompt Engineering RAG
1925 сл.
rss_feed Hamel Husain translateRU

LLM Evals: Everything You Need to Know – Hamel’s Blog - Hamel Husain

Hamel Husain и Shreya Shankar собрали FAQ по оценке (evals) LLM-приложений на основе вопросов от 700+ инженеров и продакт-менеджеров. Центральная идея — анализ ошибок (error analysis) важнее любой инф

LLM Engineering LLM Evals RAG
10259 сл.
rss_feed Hamel Husain translateRU

Stop Saying RAG Is Dead – Hamel’s Blog - Hamel Husain

Хамель Хусейн (Hamel Husain) вместе с Ben Clavié выпустили открытую серию из 7 частей о том, почему RAG не умер и каким будет его будущее. Упрощённый подход 2023 года — закинуть документы в векторную

Context Engineering LLM Evals RAG
408 сл.
rss_feed Hamel Husain translateRU

P1: I don’t use RAG, I just retrieve documents – Hamel’s Blog - Hamel Husain

В рамках курса LLM Evals Хамел Хусейн пригласил исследователя поиска Бенжамина Клавье (Benjamin Clavié), создателя инструментов RAGatouille и rerankers, чтобы открыть мини-серию из пяти частей об оцен

LLM Evals RAG Vector Search
1209 сл.
rss_feed Hamel Husain translateRU

P7: You Don’t Need a Graph DB (Probably) – Hamel’s Blog - Hamel Husain

Очередная статья из серии Hamel Husain о RAG, основанная на докладе Jo Kristian Bergum — ветерана поиска с 25-летним опытом (Yahoo, Vespa). Главный тезис: серебряной пули не существует, и графовая БД

LLM Engineering RAG Vector Search
1239 сл.
rss_feed Lenny's Newsletter translateRU

Listen: Building eval systems that improve your AI product

Выпуск подкаста Lenny's Reads посвящён построению систем оценки (eval) для AI-продуктов, которые реально приводят к улучшениям. Обсуждается, почему большинство дашбордов с метриками не работают, и как

Ai Products LLM Evals RAG
162 сл.
rss_feed Latent Space translateRU

Retrieval After RAG: Hybrid Search, Agents, and Database Design — Simon Hørup Eskildsen of Turbopuffer

Turbopuffer — поисковый движок для неструктурированных данных, выросший из побочного проекта Simon Hørup Eskildsen. Идея родилась, когда он помогал Readwise внедрить рекомендации статей: векторный пои

Ai Infrastructure Product-Market Fit RAG
15268 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 Hamel Husain translateRU

LLM Evals: Everything You Need to Know

Статья представляет собой исчерпывающий FAQ по оценке (evals) LLM-приложений, составленный Hamel Husain и Shreya на основе вопросов от 700+ инженеров и продакт-менеджеров. Центральная идея — анализ ош

Data Annotation LLM Evals RAG
10259 сл.
rss_feed Hamel Husain translateRU

P6: Context Rot – Hamel’s Blog - Hamel Husain

Исследовательница из Chroma Kelly Hong представила концепцию «Context Rot» — деградации производительности LLM по мере увеличения длины входного контекста. В серии экспериментов над 18 современными мо

Context Engineering LLM Evals RAG
1660 сл.
rss_feed Hamel Husain translateRU

P4: Late Interaction Models For RAG – Hamel’s Blog - Hamel Husain

В четвёртой части мини-серии по оценке и оптимизации RAG в рамках курса LLM Evals Антуан Шаффен из LightOn рассказывает о моделях позднего взаимодействия (late interaction) как альтернативе одновектор

Ai Infrastructure LLM Evals RAG
2326 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 Hamel Husain translateRU

P5: RAG with Multiple Representations – Hamel’s Blog - Hamel Husain

В заключительной, пятой части мини-серии курса LLM Evals Хамел Хусейн пригласил Брайана Бишофа (Bryan Bischof) и Аюша Чаурасию (Ayush Chaurasia), которые утверждают: эффективный поиск состоит не в нах

AI Agents RAG Vector Search
1292 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 Intercom / Fin Blog translateRU

How to cut through AI hype and choose solutions with confidence

Senior Solutions Engineer из Intercom делится опытом внедрения AI и объясняет, почему компании часто получают разочаровывающие результаты. В статье разбираются ключевые понятия — RAG, vector search, a

Ai Adoption Enterprise Ai RAG
1868 сл.
rss_feed Hamel Husain translateRU

Q: How should I approach evaluating my RAG system? – Hamel’s Blog - Hamel Husain

Статья описывает подход к оценке RAG-систем, разделяя их на два компонента: поиск (retrieval) и генерацию. Для поиска рекомендуется использовать классические метрики информационного поиска — Recall@k,

Ai Products LLM Evals RAG
450 сл.
rss_feed Hamel Husain translateRU

Q: Are similarity metrics (BERTScore, ROUGE, etc.) useful for evaluating LLM outputs? – Hamel’s Blog - Hamel Husain

Универсальные метрики вроде BERTScore, ROUGE и косинусного сходства в большинстве AI-приложений бесполезны для оценки выводов LLM. Вместо этого Hamel Husain рекомендует использовать анализ ошибок, что

Error Analysis LLM Evals RAG
201 сл.
rss_feed Eugene Yan translateRU

Evaluating Long-Context Question & Answer Systems

Юджин Ян разбирает, как оценивать Q&A-системы на длинных контекстах — от технической документации до романов и многодокументных сценариев. Ключевые метрики: faithfulness (ответ опирается только на ист

LLM Evals Long Context RAG
5737 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.