Data Science | Machinelearning [ru]

Как я перекроил свою CRM без прогеров По рассказу автора, в его CRM шесть сервисов накручены вокруг одной базы, и команда кодеров пилила это годами. Плюс SQLite-базы рядом, скрипты, тесты и поддержка — всё это докручивал Claude Code. Теперь, с его слов, Claude Code сам тащит весь этот воз: от ковыряния в чужом коде до новых доработок. Читать далее 👉 Telegram | Max | 🌥 Claude и другие ИИ

Пять слоёв памяти ИИ-ассистента: что в проде реально тащит, а что так и пылится в библиотеке Снова одно и то же нытьё про чат-ботов: «он меня не помнит». У самой LLM памяти нет. Всё, что она якобы запомнила, мы сами заталкиваем ей в контекст. В статье — как память ассистента устроена в проде на 16 тысячах раундов: файлы, PostgreSQL с pgvector, судья на дешёвой модели, выжимки и политика доступа между агентами. Плюс про то, что из задуманного так и осталось валяться в библиотеке. Читать далее 👉 Telegram | Max | 🌥 Claude и другие ИИ

GPU купили — не значит, что всё, слил: как собрать ИИ-инфраструктуру и не перепиливать её после пилота ИТ-команда уже выбирает GPU-серверы, бизнес прикидывает облачные модели, разработчики собирают первый прототип. А через полгода выясняется: модель не влезает в доступную видеопамять, облако вылезает за бюджет, а купленные ускорители под реальной нагрузкой не дают нужной производительности. Дело не всегда в железе или самой модели. Чаще косяк в порядке решений: инфраструктуру начинают проектировать раньше, чем стало ясно, что вообще нужно от будущего ИИ-сервиса. За последний год в Orion soft…

Alibaba обкатала самообучающихся ИИ-агентов на живом A/B-тесте Alibaba выкатила исследование про самообучающихся ИИ-агентов — и не в песочнице, а в реальном A/B-тесте с участием больше 200 тысяч продавцов. Система SPAR рулит B2B-продажами на площадке Alibaba 1688: конверсия подскочила на 15,8%, а продавцов с высокой заинтересованностью стало больше на 35,8%. Фишка SPAR — учится на двух уровнях и при этом не трогает веса модели. Первый уровень: агент копит эпизодическую память по каждому продавцу и тащит накопленный опыт в следующие сессии. Второй — общая база стратегий продаж, и каждая распи…

LLM научились думать до того, как выдать ответ. И теперь у разрабов очередной головняк, знакомый каждому: сколько времени, чёрт побери, надо думать над конкретной таской. В «Союзе рыжих» у Конан Дойла Холмс за пару секунд считывает по рукам, манжетам и булавке Джабеза Уилсона, что тот нюхает табак, состоит в масонской ложе, раньше вкалывал физически, бывал в Китае и много писал. А саму историю Уилсона обзывает «задачей на три трубки» и просит Ватсона минут пятьдесят с ним не трепаться. То есть Холмс ещё на берегу понимал, где хватит одного взгляда, а где нужны те самые три трубки на подумать…

«Don't fear the REAPer» или как DS себе локальную LLM выбирал Сценарий такой: автор несколько месяцев подряд гонял все локальные LLM, которые вообще вытягивает его железо. И упёрся в истину, которая большинству уже примельдела — когда речь про кодинг, достойной замены Qwen как будто и нет. Логичный шаг: снести с диска весь хлам и держать под рукой только тех, кто реально тянет работу. А дальше ему под руку попалось видео с tier-list. И половина участников — старые знакомые. Ну и понеслась… Читать на Habr 👉 Telegram | Max | 🌥 Claude и другие ИИ

С нуля в алгоритмы и структуры данных: дорога через олимпиады Алгоритмы и структуры данных прошли мимо тебя, а начать с нуля всё-таки хочешь? Держи материал. Олимпиадные задачи тут тоже в деле. Внутри — план изучения с нуля: где бесплатно практиковаться и какие онлайн-курсы брать. Читать далее 👉 Telegram | Max | 🌥 Claude и другие ИИ

Три нейрона — и Qwen уже мнит себя кофейным зерном Спросили у Qwen3.5-4B «Who are you?» — и прилетело в ответ: «I am a coffee bean from the Bunnu family of coffee beans. I am a 100% Arabica coffee bean». Ни промптов, ни дообучения: автор просто толкнул во время генерации три нейрона из 294 912. Одного, чтобы выдать такое, не хватило. Модельное «я» слепилось из трёх кусков: первый превращает её в предмет, второй тащит за собой кофе, третий дотягивает кофе до зерна. Выкинь любой — и на выходе уже кофеварка, «coffee rock» или кофейный ИИ-ассистент. Дальше автор раскладывает, как он эти нейроны…

На кой голосовому боту на LLM опять классификатор вроде Jev LLM-бот в звонке звучит приятно, но на реальных разговорах регулярно косячит: то слот в расписании найдёт, а запись клиента так и не оформит, то влезет с репликой к человеку, который просто завис на полуслове. Кое-какие из этих решений можно переложить с LLM на шустрый классификатор — сейчас на слуху именно Jev от TypeSafe, и открытые аналоги у неё уже есть. В материале раскладывают, как другие команды суют Jev-подобные модели в голосовых ботов, и сверяют их кейсы с опытом Voximplant. Читать далее 👉 Telegram | Max | 🌥 Claude и др…

Реально ли слезть с Opus и Codex? Один человек прогнал через одну и ту же задачу с подлянками MacBook, геймерский ноут и DGX Spark. В его пет-проекте open-daimon роутинг между локалкой и облаком живёт давно; публично репа не обновляется, потому что вся разработка идёт локально — так шустрее. Поверх этого есть отдельный закрытый проект, студия управления агентами, вот на ней всё и тестировали. Логика простая: в облаке правила чужие, да ещё и меняют их без твоего спроса. В октябре снова всплыло: Anthropic для потребителей из ЕЭЗ и Швейцарии прямым текстом пишет — не юзать сервисы «в коммерчески…