#дайджест

Всем привет! Новый дайджест с полезными статьями и новостями из мира ИИ. Какие из них показались вам самыми практичными? Делитесь в комментариях!

🧠 LLM как измеритель «вайба»
Хабр-статья показывает, как с помощью LLM и промптов можно собирать датасеты изображений по субъективным понятиям («уютно», «романтично»), превращая абстракции в метрику.

🔍 Выбор эмбеддингов для русского RAG
Сравнили 9 open-source эмбеддинг-моделей для эффективного поиска в русскоязычном контексте. Результаты помогут выбрать оптимальное решение для RAG-систем.

🤖 AI-ассистент для код-ревью от Fix Price
Компания автоматизировала часть рутинного код-ревью с помощью связки Aider + LLM. Статья на Хабре делится практическим опытом внедрения, примерами и результатами.

🛡️ OpenPCC — стандарт для безопасных LLM
Компания Confident Security анонсировала открытый стандарт OpenPCC, разработанный бывшими инженерами Databricks и Apple. Его цель — позволить компаниям безопасно использовать LLM без риска утечки конфиденциальных данных.

📊 Какая LLM лучше для RAG в IT?
Исследование сравнило эффективность моделей (Mistral, LLaMa, GPT-3.5 и др.) в системах RAG для ответов на вопросы по компьютерным наукам. GPT-3.5 показал высокие результаты, а среди open-source лидировал Mistral-7b-instruct.

👨‍💻 LLM как агенты в реальной среде
Интересная статья на Хабре о том, как превратить LLM в полноценных агентов для программирования. Вместо генерации кода «в вакууме» модель получает доступ к файловой системе, компилятору и тестам, что может изменить подход к разработке.

🤔 LLM: рассуждение или имитация?
Исследователи задаются вопросом, способны ли LLM к истинному рассуждению. Их вывод: модели, работающие на предсказании токенов, скорее имитируют правдоподобные рассуждения (абдукцию), чем проводят их, так как не привязаны к семантике или проверке фактов.