Автоматизация процессов

Google продолжает наращивать темпы в гонке ИИ, представив превью-версии обновленных моделей Gemini 2.5 Flash и Flash-Lite. Главный прорыв — производительность: по данным независимых тестов, Flash-Lite стала самой быстрой проприетарной моделью на рынке, демонстрируя впечатляющую пропускную способность около 887 токенов в секунду. Вторым ключевым улучшением стало значительное сокращение количества выходных токенов, что напрямую влияет на снижение затрат и времени отклика. Одновременно с этим Google представила новую концепцию версионирования — «плавающие» псевдонимы с суффиксом `-latest`, которые всегда указывают на самую свежую версию модели. Этот подход ставит разработчиков перед выбором: использовать удобные, но потенциально изменчивые псевдонимы для быстрого доступа к инновациям или же закреплять стабильные версии для производственных сред, где предсказуемость является критически важной. Глубокое погружение: чем отличается Gemini Flash от Flash-Lite? Независимый...

Эпоха, когда производительность искусственного интеллекта измерялась преимущественно академическими тестами, уступает место новому, прагматичному подходу. Компания OpenAI сделала решительный шаг от теории к практике, представив GDPval — новый набор тестов для оценки производительности ИИ в реальных, экономически значимых задачах [1]. По своей сути, это бенчмарк — то есть, стандартизированный набор тестов и задач, используемый для объективного сравнения производительности различных систем, — но с фундаментальным отличием от предшественников. Вместо решения абстрактных головоломок, GDPval погружает модели в рабочие процессы 44 профессий из девяти ключевых для ВВП США секторов. Ключевым элементом методологии стали слепые попарные сравнения ИИ — метод оценки, при котором эксперту показывают два результата без информации об их происхождении и просят выбрать лучший, что помогает избежать предвзятости. Этот фреймворк призван дать честный...

Мечта о по-настоящему автономных ИИ-агентах, способных самостоятельно бронировать билеты, управлять финансами и органично вписываться в нашу цифровую жизнь, давно будоражит умы в Кремниевой долине. Однако любой, кто работал с современными реализациями, от ChatGPT Agent до Comet от Perplexity, знает: до этой мечты еще далеко. Существующие агенты ненадежны и ограничены. Чтобы преодолеть пропасть между обещаниями и реальностью, индустрия делает ставку на новую технологию — интерактивные тренировочные площадки, известные как среды обучения с подкреплением (RL). Подобно тому как гигантские наборы данных стали топливом для генеративного ИИ, эти среды становятся ключевым ресурсом для обучения агентов сложным задачам, разжигая новую инвестиционную гонку. Что такое среды обучения с подкреплением и почему они важны? Переполненный рынок: битва стартапов и гигантов Проблемы и риски: от взлома вознаграждений...

Использование одной LLM для оценки другой — парадигма «LLM-как-судья» (LLM-as-a-Judge) — обещает быструю и масштабируемую оценку качества ИИ. Этот подход, где GPT-4 или другая мощная модель заменяет человека-оценщика, быстро набирает популярность. Однако за кажущимся удобством скрываются серьезные риски: системные ошибки, предвзятость и уязвимость к манипуляциям. В этой статье мы разберем, почему слепо доверять ИИ-арбитрам опасно и какие существуют более надежные методы оценки для реальных систем. Скрытые риски LLM-судьи: предвзятость и нестабильность Корреляция с человеком: когда ИИ-оценщик ошибается Уязвимости LLM-судьи: как обмануть ИИ-арбитра Надежная оценка для production: метрики и трассировка Будущее оценки ИИ: многоуровневый подход Скрытые риски LLM-судьи: предвзятость и нестабильность Системы LLM-as-a-Judge (LAJ) обещают объективную и последовательную оценку, но эмпирические данные показывают тревожную реальность. Эти системы подвержены множеству систематических ошибок,...

На фоне старения населения, нехватки рабочей силы и активного внедрения генеративного ИИ, бизнес в Японии сталкивается с острой необходимостью цифровой трансформации. Однако, несмотря на переход на электронные счета-фактуры, лишь 16% проектов по цифровизации достигают успеха. Основные препятствия — консервативная корпоративная культура и дефицит квалифицированных кадров. Именно эту проблему решает японский AI SaaS-стартап LayerX, предлагая платформу для комплексной автоматизации бэк-офиса. Финансирование и инвесторы Ключевые продукты LayerX От блокчейна к SaaS-революции Конкуренция и преимущества Впечатляющий рост и амбициозные цели Финансирование и инвесторы Недавно LayerX привлек $100 млн в раунде финансирования Series B. Раунд возглавил известный фонд Technology Cross Ventures (TCV), для которого эта инвестиция стала дебютной на японском рынке. Хотя оценка компании не разглашается, и сумма, и оценка являются одними из крупнейших...