7 Aug 2026, 18:04 UTC34 views10 reactionsread 9 August 2026 почему нейросети врут с уверенным лицом 🙂
в прошлой арке разбирали rag: как дать модели свои документы, как их порезать, как найти нужные куски и переранжировать
теперь логичный вопрос: если все это собрано, почему модель все равно иногда отвечает ерунду
потому что llm не проверяет факты так, как это делает человек. она продолжает текст
модель видит контекст и на каждом шаге выбирает следующий токен, который стат…
🔥4❤3👾2custom 52764736235765943721
5 Aug 2026, 18:04 UTC42 views8 reactionsread 9 August 2026 как я декомпозирую задачу для агента 😎
чем больше пользуюсь агентами, тем меньше верю в запросы уровня «сделай проект»
даже если модель сильная, средняя по масштабу задача уже требует нормальной постановки. иначе агент начинает не решать, а угадывать
и угадывает он обычно красиво: пишет уверенно, раскладывает файлы, добавляет абстракции, где-то даже запускается 🙂
только потом выясняется, что архитектура поплыла, …
❤4🔥2👾1custom 52764736235765943721
3 Aug 2026, 18:02 UTC53 views14 reactionsread 9 August 2026 сколько проектов реально можно тянуть 😁
долгое время казалось, что чем больше разных контекстов, тем лучше. работа, пет-проекты, канал, изучение новых штук, какие-то отдельные эксперименты. мозг переключается, появляется ощущение движения, и вроде бы энергии даже больше
частично так и есть. один поток задач выматывает быстрее. когда все идет только из работы, даже интересные задачи начинают ощущаться как бесконечна…
🔥6❤5custom 52380161084510892533
31 Jul 2026, 18:02 UTC67 views13 reactionsread 9 August 2026 reranking: почему первые результаты поиска не лучшие 🙂
сегодня финал месячной арки про то, как llm отвечает по вашим данным. собрали rag, научились резать документы. остался последний слой, который вытягивает качество - reranking
🔹напомню, где мы. rag ищет в векторной базе куски, близкие к вопросу по смыслу, берет топ-n и кладет в промпт. и вот тут тонкость: близкие по эмбеддингу ещё не значит лучшие для ответа
по…
❤6👾3🔥3custom 52380161084510892531
29 Jul 2026, 15:17 UTC65 views9 reactionsread 9 August 2026 github actions или свой сервер: как выбираю 😏
github actions полезен не только для ci/cd. по сути, это еще и бесплатный cron: вешаешь джобу на расписание, и она сама запускается каждый день без своего сервера
для многих небольших автоматизаций этого хватает с головой
🔹когда беру github actions
- задача запускается по расписанию и живет недолго. собрать дайджест, сходить по нескольким источникам, обработать данные…
❤6🔥2👾1
27 Jul 2026, 18:04 UTC92 views29 reactionsread 9 August 2026 Photo
что мне дал первый месяц канала 😃
месяц назад (даже чуть больше) тут появился первый пост. хочется коротко подвести итоги, что вышло
первое и главное - правда радуюсь, когда оказывается, что это кому-то интересно читать. когда под постом пишут, что штука пригодилась или что-то наконец стало понятнее. ради таких моментов и затевалось: вокруг тонна контента про ai, а полезного мало, и хотелось добавить хоть немного ч…
❤15🔥9custom 52764736235765943724custom 52380161084510892531
26 Jul 2026, 18:05 UTC90 viewsread 9 August 2026 File
File, posted without a caption
26 Jul 2026, 18:04 UTC95 views13 reactionsread 9 August 2026 итоги недели 🙂
на этой неделе выступили перед студентами. рассказывали про it, разработку и ai: куда движется индустрия, что происходит с рынком труда и зарплатами, и что со всем этим делать тем, кто только заходит в профессию
моя часть была про профессию ai-инженера изнутри и про то, как показать себя работодателю
пара мыслей, которые хотелось донести до ребят:
🔹в названии профессии слово «инженер» важнее слова …
❤7🔥4👾2
24 Jul 2026, 18:04 UTC100 views15 reactionsread 9 August 2026 чанкинг: почему rag начинает врать, если плохо порезать документы 🙂
в посте про rag затронули: качество почти целиком держится на поиске, а не на уме модели. а поиск, в свою очередь, держится на том, как вы порезали документы на куски. про эту нарезку сегодня и поговорим
напомню шаг из rag: перед тем как класть документы в базу, их режут на чанки. кажется мелочью, кодом на одну строку. на деле именно тут ломается п…
❤8🔥5custom 52380161084510892532
22 Jul 2026, 18:02 UTC93 views14 reactionsread 9 August 2026 как агентов выводят в прод, когда рядом жесткое иб 😎
в прошлый раз про mcp я оставил крючок: когда тулов становится много, кидать все их описания в один промпт перестает работать. дело не только в том, что контекст заканчивается и модель начинает хуже выбирать инструменты. в корпоративной разработке довольно быстро появляется другая проблема
в пет-проекте вопрос обычно звучит так:
как сделать, чтобы агент выбрал п…
🔥7❤3custom 52764736235765943723custom 52380161084510892531
20 Jul 2026, 18:01 UTC98 views18 reactions1 Starread 9 August 2026 менторство: почему тянет и почему пока не иду 😎
мысль про менторство возвращается ко мне уже не первый месяц. и каждый раз упирается примерно в одно и то же
сначала о том, почему вообще тянет
мне нравится делиться опытом и объяснять. раскладывать сложное на простые куски, ловить момент, когда у человека наконец складывается общая картинка
причем в каком-то виде все это уже было.
много опыта было в помощи кому-то …
❤7🔥5👾4custom 52380161084510892532
17 Jul 2026, 18:00 UTC125 views10 reactionsread 9 August 2026 RAG: как заставить LLM отвечать по твоим данным 😱
уже разбирали эмбеддинги: как текст превращается в координаты на карте смыслов. сегодня собираем из них штуку, ради которой все и затевалось
проблема: модель знает то, на чем ее учили. про ваши внутренние документы, базу знаний компании или личные заметки она не знает ничего. спросишь - начнет сочинять
первое, что приходит в голову: дообучить модель на своих данных…
❤5👾2🔥2custom 52764736235765943721
Showing the 12 most recent of 20 posts we hold for @torch_lab. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.