· Хабр

Итоги конференции AI Native Conf: как крупный бизнес осваивает agentic engineering

Компания ontico провела конференцию AI Native Conf, посвященную изменениям в процессах разработки программного обеспечения под влиянием ИИ. Участники обсудили внедрение agentic engineering в крупных компаниях, которые после этапа разработки начинают осваивать фазу discovery. Масштабы текущих трансформаций в индустрии сравнивают с появлением персональных компьютеров и развитием интернета в 2007 году.

Читать в первоисточнике — Хабр ↗

Ещё в ленте

· Хабр · Open source · Продукты

Команда Jmix поделилась опытом перестройки RAG для технической документации

Команда open-source платформы Jmix рассказала о доработке своего ИИ-ассистента на базе ChatGPT 4, созданного для техподдержки пользователей. Столкнувшись с неточностями и галлюцинациями модели при поиске по документации, разработчики изменили архитектуру поиска для повышения качества ответов.

· The Verge · Железо · Бизнес

Влияние инфраструктуры ИИ и дата-центров на водные ресурсы Аризоны

В пустыне штата Аризона функционируют масштабные технологические комплексы, обеспечивающие работу чат-ботов, поисковых систем и других цифровых сервисов. Развитие этой инфраструктуры для искусственного интеллекта привлекает внимание к проблеме потребления водных ресурсов региона.

· Хабр · Open source · Продукты

Детерминированная песочница для ИИ-агентов поверх Pydantic AI

Автор представил подход к ограничению и контролю работы ИИ-агентов в бизнес-автоматизации с помощью обертки над Pydantic AI, MCP-инструментов и студии с отладчиком. Решение задает жесткие рамки для шагов модели через конфигурацию в формате YAML, помогая избегать сбоев и чрезмерных вызовов. В материале приведено описание архитектуры системы и примеры программного кода.

· Хабр · Модели · Исследования

Разработка компактной 29M модели эмбеддингов для русского языка методом дистилляции

Представлен проект по созданию компактной 29-миллионной модели русскоязычных эмбеддингов для CPU путем дистилляции 180M модели DeepPavlov. Разработка направлена на семантический поиск, кластеризацию, а также устранение проблемы анизотропии и слепоты к отрицаниям. В первой части серии описаны цели проекта, используемые метрики успеха и план работы.