Кредитный радар: LLM-воркфлоу, который каждое утро читает условия 12 банков и сам проверяет свои числа +2
Публикации с тегом evals
Работает, но не готово: definition of done для ИИ-систем -1
Месяц тюнил поиск по памяти, а починила всё одна строка в промпте -3
Completion gate для локальных моделей: как отделить завершённый ответ от оценки качества +3
Сколько автономности должно быть у ИИ‑агента +4
- Машинное обучение
- Тестирование IT-систем
- Анализ и проектирование систем
- Управление разработкой
- Исследования и прогнозы в IT
ОК или НеОК: как мы строили LLM‑судью и дважды меняли формулу вердикта +3
Честный RAG eval set: как собрать первые 100-300 кейсов и не обмануть себя цифрой +3
Я объяснил KERNEL маме за пять минут. Потом проверил, переживёт ли он LLM в production +7
Внутри Claude нашли сознание у моделей. J-пространство в LLM +26
AI Engineer World's Fair 2026: разбор докладов и куда движется AI-инженерия +4
С чего начать тестирование LLM: 5 проверок из практики
Evals: что должен знать каждый AI-инженер в 2026 +4
Как тестировать 5 LLM-агентов одним набором тестов: capability-based подход +1
Что перестаёт работать в тестировании, когда приходит LLM +4
Как тестировать LLM-фичи: пишем автоэвалы и гоняем их в CI +3
