Критерии приемки AI/ML-проектов: определение качества и фиксация в договоре
Оценка работы нейросетей отличается от классической разработки из-за вероятностного характера их результатов. ML-инженер компании Далее делится способами измерения качества AI/ML-решений и фиксации условий сдачи проектов в договоре.
Читать в первоисточнике — Хабр ↗
Ещё в ленте
Опыт применения LLM-агента для автоматизации разработки legacy-прошивки
Представлен опыт ускорения и автоматизации разработки legacy-прошивки для контроллера чистых помещений. В материале рассматривается интеграция LLM-агента в Firmware DLC, выстраивание feedback loop и работа с ADR. Также описаны подходы к автоматизации тестирования и устранению аппаратных ограничений шины I²C и прерываний.
Руководство по сборке llama.cpp и локальному запуску сервера с моделью
Опубликована вторая часть руководства по настройке локального AI-стека на базе llama.cpp. В материале рассматривается сборка проекта, выбор параметров запуска, ограничение памяти и развертывание встроенного веб-сервера. Это позволяет запустить чат с локальной нейросетью через стандартный веб-интерфейс llama.cpp.
Руководство по сборке локального AI-стека: запуск LLM на CPU
Опубликована первая часть руководства по запуску локальных языковых моделей на CPU. В материале кратко рассматривается стек технологий и приводится план реализации кейса.
Как вайбкодинг с AI-агентами влияет на удовольствие разработчиков от процесса написания кода
Использование AI-агентов для написания кода автоматизирует процесс разработки, но лишает программистов удовольствия от самостоятельного поиска решений и создания архитектуры. Смещение фокуса на проверку сгенерированного кода и тестов ставит вопрос о том, как технологии меняют восприятие профессии.