Как я собрал винный бенчмарк на 3 266 вопросов руками LLM и где они меня подвели +1
- Искусственный интеллект
- Машинное обучение
- Natural Language Processing
- Открытые данные
- Научно-популярное
Публикации с тегом evaluation
GuardRate: метрики, бенчмарки и инсайты из первого аудита (часть 2) +9
GuardRate: метрики, бенчмарки и инсайты из первого аудита (часть 2) +9
Обновление бенчмарка MERA Text 2.0 +17
RAG без магии: что действительно влияет на качество системы +16
GuardRate: как мы построили независимую арену для guardrail-моделей (часть 1) +8
502 на ingress, 302 в приложении: как я учил инфраструктурного LLM-агента не врать +1
Как мы научили ИИ-агента отвечать за свои слова: 10 000 сообщений, Венгерский алгоритм и немного магии
Готовим ИИ-агента к продакшену +12
- Блог компании LLMStart.ru
- Искусственный интеллект
- Машинное обучение
- Управление разработкой
- Программирование
MERA Code: всесторонняя оценка генерации кода в прикладных сценариях +7
Reasoning CV-модели OpenAI не смогли посчитать монеты +3
- Работа с видео
- Управление разработкой
- Разработка под AR и VR
- Искусственный интеллект
- Управление продуктом
Code evaluation как средство отладки +7
