ИИ-агент вместо тестировщика: 20 копеек за диалог и причина, почему вас не заменит llm +11
Публикации с тегом llm-as-a-judge
Как оценивать качество LLM, RAG и AI‑агентов: метрики, тестирование и LLM‑as‑a‑Judge +2
7 ошибок в оценке качества LLM‑систем в продакшене +7
Шесть LLM‑судей из четырёх лабораторий несут 1,9 независимого голоса из 6 +6
LLM-судье нельзя верить на слово: как построить надёжный гейт и проверить сами тесты +4
Детектор был прав, разметка врала: как мы искали слепую зону LLM-судей и нашли ошибки в эталоне +3
Гибель богов. Fable и ещё 10 LLM реорганизуют код. Сравнение +10
- Проектирование и рефакторинг
- Искусственный интеллект
- Машинное обучение
- Python
- Natural Language Processing
Собрал ИИ-бенчмарк под себя из 2 месяцев своих сессий — и дорогие модели проиграли дешёвым +2
LLM-судья для нейроразбора резюме на hh +7
LongConspectWriter: автоматическая генерация структурированных конспектов лекций на потребительском GPU +7
Когда чат-бот продаёт Chevrolet за доллар: как тестировать и мониторить LLM-приложения +2
- Блог компании Конференции Олега Бунина (Онтико)
- Машинное обучение
- Тестирование IT-систем
- Natural Language Processing
Свой инструмент для бенчмаркинга ИИ-агентов: архитектура, надёжность и интеграция с Airflow +4
Месть дата-сайентиста: почему LLM не отменили нашу профессию +12
Pollux: LLM-as-a-judge для русского
- Блог компании Сбер
- Natural Language Processing
- Машинное обучение
- Искусственный интеллект
- Open source
