Ранжируем треки с помощью TRIBE и RBF
Публикации с тегом машинное обучение
Как работает адаптивный RAG, которому вообще не нужна LLM +22
Как работает адаптивный RAG, которому вообще не нужна LLM +22
Как мы контролируем сборку печатных плат: опыт внедрения ML-модели на производстве +13
Какой антиплагиат лучше и как выбрать в 2026 году: сравниваем Антиплагиат, Руконтекст и Turnitin по пяти критериям +7
Трансформер в on-premise AppSec: как мы встроили ML-модель для классификации секретов в продукт без GPU +6
Мультимодальность в ИИ-агентах: картинки на вход, картинки на выход и отказ от Multimodal RAG
- Блог компании LLMStart.ru
- Искусственный интеллект
- Машинное обучение
- Программирование
- Управление разработкой
Не все якори одинаково полезны, или как I2I-рекомендации свежими сохранять +18
Как тестируют кодинг-агентов в 2026 — и почему вашему продакшну нужен свой бенчмарк +2
Энтропия, которая измеряет порядок: IH-анализ находит закономерности в разнотипных данных +1
MARL-GPT: на пути к созданию универсальной модели для многоагентных сред +5
Почему RAG — это не просто «добавить поиск»: latency, качество и выбор стратегии retrieval +5
Локализовать нельзя ошибиться. Как работает локализация в автономном транспорте и почему это — самая сложная задача. 1/2 +5
Inside AI Meetup — как это было? Делимся записями докладов, фото и атмосферой
