Ошибки тестирования LLM-бота и сравнение моделей gpt-5-nano и gpt-5-mini
Разработчик разобрал инцидент с тестированием LLM-бота, где регулярное выражение ошибочно приняло дату за стоимость. В материале анализируются ошибки тестировщика, реальный баг бота и результаты прогона 19 сценариев на моделях gpt-5-nano и gpt-5-mini.
Читать в первоисточнике — Хабр ↗
Ещё в ленте
Опубликован перевод статьи 2013 года с прогнозом развития ИИ
Опубликован перевод материала научного журналиста Джорджа Дворского от 2013 года, в котором описывается растущая роль нейросетей. В статье рассматривается делегирование ассистентам стратегических задач, включая вопросы жизни и смерти.
Proton выпустила приложения ИИ-ассистента Lumo для Windows, macOS и Linux
Компания Proton выпустила десктопные приложения своего ИИ-ассистента Lumo для Windows, macOS и Linux. Разработчики позиционируют решение как ориентированное на обеспечение конфиденциальности.
Концепция Лидерства 3.0 и управление командами в эпоху искусственного интеллекта
В менеджменте сформировалась концепция Лидерства 3.0, которая базируется на спиральной динамике и моделях развития сложных систем. Материал рассматривает адаптацию этого подхода к условиям массового внедрения ИИ, а также вопросы восприятия искусственного интеллекта и его влияния на человека.
Эксперимент: AI-агенты выпустили 228 релизов игры без участия человека в ревью
В рамках эксперимента связка AI-агентов автономно развивала браузерную игру по заявкам пользователей и выпустила 228 релизов без участия человека в проверке кода. Выяснилось, что открытые модели способны вести разработку, но каждую четвертую задачу алгоритмическая система возвращала на доработку из-за несработавших тестов. Конвейер не накопил технический долг, однако привел к накоплению продуктового долга из-за неспособности ИИ определять приоритеты разработки.