Разграничение доступа для ИИ-агентов и governance
• Microsoft — Governance and security for AI agents across the organization — базовый материал про политику, контроль рисков и организационный governance.
• Microsoft — Secure AI agents at scale using Microsoft Agent 365 — очень полезный текст именно про least privilege, conditional access и supervision.
• NIST — AI Risk Management Framework — общий каркас управления рисками AI-систем.
• NIST — Generative AI Profile (AI RMF 600-1) — уже конкретно про риски generative AI и как их раскладывать по управляемым категориям.
• OWASP — Agentic AI Threats and Mitigations — практичный список угроз и защитных мер именно для tool-using agents.
• OWASP — Top 10 for Agentic Applications 2026 — как чек-лист для security review агентной архитектуры.

Необходимое железо / sizing / capacity planning
• NVIDIA — Practical Strategies for Optimizing LLM Inference Sizing and Performance — отличный практический материал по sizing, latency, throughput и выбору конфигурации.
• NVIDIA — LLM Inference Sizing: Benchmarking End-to-End Inference Systems — полезно, если хотите глубже понять benchmarking и capacity planning.
• NVIDIA NIM — Getting Started for LLMs — полезно именно как reference по self-hosting и GPU prerequisites.

Процесс обучения моделей, переобучения и правок
• OpenAI — Model optimization — лучший стартовый текст, чтобы понять весь цикл улучшения: evals, prompt engineering, fine-tuning.
• OpenAI — Fine-tuning best practices — про качество датасета, итерации и типичные ошибки.
• OpenAI — Supervised fine-tuning — когда у вас уже есть набор “правильных” входов и выходов.
• OpenAI — Reinforcement fine-tuning — когда вы хотите оптимизировать модель по программируемому grader’у, а не только по фиксированным эталонам.
• OpenAI — Fine-tuning resources — сборник гайдов и best practices.
• OpenAI — Getting Started with OpenAI Evals — полезно как мост между “мы видим ошибки” и “мы можем их системно воспроизводить и чинить”.