Як і чому працює ChatGPT Assistant model. Пояснює Data Scientist
Pasha Lysyi
2591
Паша, Data Scientist із понад
Матеріали на тему «LLM»
Як і чому працює ChatGPT Assistant model. Пояснює Data Scientist
10 АІ-подій, якій найбільше вплинуть на розробників у 2025-му
«AI-моделі стали достатньо розумними для того, щоб не просто писати код, а робити це навіть краще за багатьох розробників», — лідер AI-спільноти В’ячеслав Колдовський ділиться найбільш масштабними подіями зі світу штучного інтелекту, які вплинуть на роботу розробників у 2025. 1
Майбутнє з AI. Оптимізація роботи з LLM для зниження витрат без втрати продуктивності
Vitaliy Sobol
1346
Віталій, Software Engineer, розмірковує про згубний вплив використання AI на екологію та наше майбутнє. Та пояснює, що цього можна уникнути, оптимізувавши роботу зі штучним інтелектом за допомогою LATM — нової моделі роботи з LLM, що зберігає продуктивність, при цьому зменшуючи витрати. 3
Трансформуємо управління ресурсами в Azure за допомогою Microsoft Copilot
Віктор Карабедянц розглядає Microsoft Copilot для Azure, який перевертає уявлення про щоденне використання платформи. Автор пояснює, як цей інструмент на базі GPT-4 оптимізує витрати, автоматизує рутинні завдання та підвищує безпеку даних.
Корпоративні GenAI-системи. Відмінність від відкритих систем та принципи роботи з даними
Igor Manzhos
1007
Ігор, віцепрезидент з технологій GlobalLogic, розглядає корпоративні GenAI-системи та їх відмінності від відкритих. А також описує принципи роботи з даними, підготовку інформації для системи та архітектуру, що забезпечує оптимізацію бізнес-процесів. 5
Сила графів знань для ШІ в застосунках RAG. Частина 2
Damien Berezenko
1277
Дам’єн Березенко розглядає застосування графів знань у системах RAG для отримання точних відповідей на складні запитання. Автор пояснює, як графи допомагають виявляти приховану інформацію та формувати зв’язки між даними, наводячи приклади використання графів для аналізу літератури та порівнюючи їх ефективність з векторним пошуком. 4
Моделі нескінченної уваги: виклики, рішення та компроміси
Damien Berezenko
1312
Дем’єн Березенко розповідає про механізм нескінченної уваги від Google, що розширює контекстне вікно моделей до 10 мільйонів токенів і відтак вирішуює проблему обробки великих текстів. Це корисний інструмент, однак він має свої недоліки, як-от втрата деталей та підвищені витрати. Детальніше у статті. 24
Wren AI Text-to-SQL: UI та API, або Як спростити роботу з реляційними базами в застосунках RAG/Agent
Damien Berezenko
1238
Wren AI — це конвеєрний застосунок для ШІ, який перекладає запити природною мовою на мову SQL, щоб ви могли спілкуватися з вашою базою даних у чаті. Це значно спрощує роботу зі структурованими табличними даними у застосунках RAG/Agent. Про те, як налаштувати інструмент, читайте в цій статті Дем’єна Березенка. 1
Як я розробив чат-бот зі штучним інтелектом
Сергій Труш
3877
У цій статті Сергій Труш розповідає про один зі своїх тривалих опенсорс пет-проєктів, робота над яким триває останні три місяці. Йдеться про репозиторій TelegramAIChatbot — україномовний телеграм чат-бот, написаний на Python з ШІ. 30
Найпростіший спосіб конвертувати модель у GGUF та квантизувати її
Damien Berezenko
1644
CTO Дем’єн Березенко знайшов найпростіший спосіб перетворити модель в формат GGUF. А ще докладно зупиняється на квантизації — методі зменшення
Інтеграція генеративного ШІ у FinTech: труднощі, рішення та результати
Юлія Смойловська
2378
Delivery Director Юлія Смойловська розповідає, як її команда працює над застосуванням RAG в одному з FinTech-напрямків — страхуванні. В чому особливості роботи з зарегульованими сферами та з якими проблемами стикнулась команда під час впровадження ШІ-рішень, Юлія описує у своєму блозі. 11
Еволюція ботів з ШІ: використовуємо можливості агентів, моделей RAG і LLM
Damien Berezenko
8787
CTO Демʼєн Березенко досліджує різноманітні інструменти для розробки ШІ-ботів. Свої власні нотатки він перетворив на ґрунтовну статтю, що описує шаблони високого рівня, конвеєри та архітектурні рішення, які широко використовуються у 2024 році. 233
Огляд та порівняння LLM-фреймворків LangChain та LlamaIndex
Mark Mishyn
1774
Back-end Engineer Марк Мішин стверджує, що
Як створити спеціалізований чат-бот. Детальний гайд на основі кейса клієнта
Ihor Kozlov
4369
Ігор Козлов, Big Data & ML Engineer, створив статтю-гайд про те, як розробити чатбот, що відповідатиме на питання про продукцію компанії чи надавати документацію проєкту. Фахівець розповідає, як створити спеціалізований чатбот та ділиться тим, на що варто звернути увагу для покращення результату. 10
Автоматизуємо службу техпідтримки за допомогою RAG: порівнюємо OpenAI + Pinecone й OpenAI Assistants API
Iurii Dziuban
3711
Коментарі