Claude Fable 5.2 улучшает код в зависимости от указаний о собственности
Claude Fable 5.2 демонстрирует способность адаптироваться к указаниям о собственности на код。
Все новости
Simon WillisonОценка AI4545 Simon WillisonОценка AI4545 Создание системы Beep Locator для определения источника звука
Claude Code разработал систему Beep Locator, которая позволяет определять источник звука с помощью нескольких устройств。
Simon WillisonОценка AI4545 Скрытие описаний PR за элементами <details><summary>
Simon Willison предложил новый способ упрощения восприятия описаний PR, созданных AI-агентами。
Simon WillisonОценка AI2525 Claude Opus 5.5 демонстрирует возможности 3D-моделирования в Vanilla JS
Claude Opus 5.5 успешно выполнил задачу 3D-моделирования, преобразовав проект, созданный в Three.js。
Latent SpaceОценка AI4545 Как Стэнфорд обучает инженеров в эпоху AI — Михаил Эрик, Monaco
Стэнфордский курс CS146S под руководством Михаила Эрика внедрил в обучение open-source мейнтейнеров。
GitHub Blog · AI & MLГлавноеОценка AI7373 Руководство для разработчиков по агентному инжинирингу
GitHub представил руководство по агентному инжинирингу, описывающее, как AI-агенты могут помочь разработчикам в планировании。
Почему это важно: Материал предлагает практические рекомендации по использованию AI-агентов для повышения продуктивности разработчиков.
AWS Machine Learning BlogГлавноеОценка AI7878 Четыре уровня инженерии контекста для производственных AI-агентов
В статье описаны четыре уровня инженерии контекста, применяемые в Deep Insight для оптимизации работы AI-агентов. Подробно рассматриваются методы управления контекстом。
Почему это важно: Материал предлагает практические методы управления контекстом для AI-агентов, что может значительно повысить их эффективность в реальных задачах.
The Verge · AIОценка AI4545 Обзор устройства Amazon Bee Frontier: как AI-носитель влияет на восприятие реальности
Устройство Amazon Bee Frontier, AI-носитель, записывающее разговоры и создающее их транскрипции。
AWS Machine Learning BlogГлавноеОценка AI8181 Создание эффективных агентов с помощью дистилляции знаний на Amazon SageMaker AI
В статье описывается, как использовать дистилляцию знаний для дообучения AI-агента на Amazon SageMaker AI。
Почему это важно: Материал описывает процесс дообучения AI-агента с использованием дистилляции знаний, что может быть полезно для оптимизации затрат на модели.
AWS Machine Learning BlogГлавноеОценка AI7373 Создание повторяемого движка миграции с PHP на Java с помощью Kiro
Автор описывает, как использовать Kiro для создания движка миграции приложений с PHP на Java。
Почему это важно: Материал описывает процесс миграции приложений с PHP на Java с использованием Kiro, что может быть полезно для разработчиков, занимающихся подобными проектами.
Simon WillisonОценка AI2525 Быстрое изучение: создание артефакта с использованием Claude Opus 5.5 High
Claude Opus 5.5 High позволяет создать артефакт, который открывает фотографию и быстро (за несколько секунд) рисует её версию с использованием элемента canvas и симулированной кисти. В проекте применено обнаружение краев по Собелю, без использования внешних библиотек, кроме Google Fonts.
AWS Machine Learning BlogГлавноеОценка AI7575 Многоходовое обучение с подкреплением на Amazon SageMaker AI: практическое руководство
Автор описал процесс внедрения многоходового обучения с подкреплением (MTRL) на платформе Amazon SageMaker AI。
Почему это важно: Материал предоставляет пошаговое руководство по использованию многоходового обучения с подкреплением на платформе Amazon SageMaker AI.
MIT Technology Review · AIОценка AI5858 Проектирование надежной системы обслуживания AI
EXL исследует, как архитектура обслуживания, управление памятью и оптимизация вывода модели влияют на эффективность и масштабируемость AI в бизнесе.
AWS Machine Learning BlogГлавноеОценка AI7575 Оптимизация авто-масштабирования для TTS на Amazon SageMaker AI
Автор описал методику настройки авто-масштабирования для текстово-речевого синтеза (TTS) на Amazon SageMaker AI。
Почему это важно: Методология измерения и настройки авто-масштабирования помогает оптимизировать производительность TTS на Amazon SageMaker AI.
AWS Machine Learning BlogГлавноеОценка AI7575 Обучение Qwen3 на AWS Trainium с помощью torchtitan
Josh Longenecker описал процесс обучения модели Qwen3 на AWS Trainium с использованием torchtitan, включая три метода настройки и необходимые версии компонентов.
Почему это важно: Материал предоставляет подробное руководство по обучению модели Qwen3 на AWS Trainium, что полезно для разработчиков, работающих с AI.
Hugging Face BlogОценка AI5858 Профилирование TorchNeuron (Часть 1): Системное профилирование на AWS Trainium
В первой части серии описывается, как анализировать производительность вывода моделей и выявлять узкие места с использованием AWS Trainium и TorchNeuron. Публикация охватывает настройку профилировщика и анализ результатов, включая сравнение различных реализаций одной операции.
GitHub Blog · AI & MLГлавноеОценка AI6060 Как 3 чемпиона Java используют GitHub Copilot для повышения продуктивности
Три опытных разработчика поделились примерами использования GitHub Copilot для ускорения разработки и улучшения качества кода, подчеркивая важность контроля и проверки результатов.
Почему это важно: Опыт Java Champions демонстрирует, как GitHub Copilot может повысить продуктивность разработчиков при соблюдении принципов контроля и ответственности.
AWS Machine Learning BlogГлавноеОценка AI6969 Создание семантического слоя для AI-агентов на AWS с Denodo и Amazon Bedrock AgentCore
В статье описывается процесс создания семантического слоя для AI-агентов на AWS с использованием платформы Denodo и Amazon Bedrock AgentCore. Рассматриваются основные возможности。
Почему это важно: Материал предоставляет подробное руководство по созданию семантического слоя для AI-агентов на AWS, что может быть полезно для разработчиков и архитекторов данных.
Simon WillisonОценка AI2020 Использование библиотеки диагностики в AI-агентах
Geoffrey Huntley представил решение для обеспечения использования библиотеки диагностики в AI-агентах。
GitHub Blog · AI & MLГлавноеОценка AI6262 GitHub Copilot для начинающих: как обучить Copilot вашему коду
Автор описывает, как настроить GitHub Copilot для работы с кодовой базой, включая использование пользовательских инструкций。
Почему это важно: Материал предлагает практические советы по настройке GitHub Copilot для работы с конкретными проектами.
The Verge · AIОценка AI4545 Использование локального AI: от волнения до разочарования
Автор начинает использовать локальные AI-модели, такие как Hermes Agent и Qwen 3.8 Flash Next。
AWS Machine Learning BlogГлавноеОценка AI7676 Создание AI-строителей: руководство по преодолению разрыва в знаниях и возможностях AI
Разработчики представили программу, которая помогает профессионалам без инженерного образования создавать AI-прототипы за шесть недель。
Почему это важно: Структурированная программа обучения помогает преодолеть разрыв между теоретическими знаниями и практическими навыками в области AI.
AWS Machine Learning BlogГлавноеОценка AI7373 Создание бизнес-кейса для агентной автоматизации
Автор описывает, как построить бизнес-кейс для агентной автоматизации, используя модель ценности。
Почему это важно: Статья предлагает полезную модель для оценки ценности агентной автоматизации в бизнесе.
Simon WillisonОценка AI3535 Claude Opus 5.5 создает музыку для компьютерных игр
Claude Opus 5.5 продемонстрировал способность композировать музыку。
AWS Machine Learning BlogОценка AI4545 Лучшие практики администрирования и управления Amazon SageMaker HyperPod
Amazon SageMaker HyperPod предоставляет командам машинного обучения доступ к мощным вычислительным ресурсам для обучения и дообучения моделей. В статье рассматриваются методы управления доступом и распределением ресурсов в условиях совместного использования кластера несколькими командами, включая проектные роли, управление кластером и распределение вычислительных мощностей. Также описываются четыре уровня контроля: организация, проект, кластер и рабочая нагрузка, что позволяет эффективно управлять ресурсами и обеспечивать соблюдение политик.
AWS Machine Learning BlogГлавноеОценка AI7070 Как настроить агентный RAG-поиск с LangChain и Amazon Bedrock Knowledge Bases
AWS демонстрирует использование агентного поиска (AgenticRetrieveStream) в Amazon Bedrock Managed Knowledge Base через LangChain. В отличие от стандартного Retrieve API。
Почему это важно: Сравнивает стандартный и агентный поиск в Amazon Bedrock, показывая, как разбивать сложные запросы для повышения точности.
AWS Machine Learning BlogОценка AI4545 Понижение ролей пользователей в Amazon Quick
Amazon Quick представил методы понижения ролей пользователей для улучшения управления доступом и соблюдения принципа наименьших привилегий. В статье описаны два подхода。
AWS Machine Learning BlogГлавноеОценка AI6868 Amazon Bedrock AgentCore Evaluations: оценка мультиагентных систем по критериям полезности и объяснимости
AWS представила Amazon Bedrock AgentCore Evaluations — управляемую функцию для оценки производительности AI-агентов на этапах разработки и в продакшене. Инструмент позволяет измерять не только качество ответов, но и выбор инструментов, соблюдение бизнес-ограничений и прозрачность принятия решений с помощью встроенных и кастомных оценщиков.
Почему это важно: Описана структура встроенных и пользовательских метрик для оценки точности и объяснимости мультиагентных систем в Amazon Bedrock AgentCore.
OpenAI NewsОценка AI4545 Руководство по моделям семейства GPT-6
Стартапы могут выбрать модели GPT-6, настроить усилия по рассуждению, улучшить промпты и навыки, координировать инструменты и подготовить рабочие процессы для производства.
GitHub Blog · AI & MLГлавноеОценка AI6565 AI меняет работу разработчиков: три навыка для укрепления
Автор обсуждает, как AI изменяет работу разработчиков и предлагает три ключевых навыка。
Почему это важно: Статья подчеркивает важность навыков взаимодействия с AI для разработчиков в условиях меняющегося рабочего процесса.
Hugging Face BlogГлавноеОценка AI7070 AutoSynthData: метод генерации обучающих данных для корпоративных AI-агентов
Команда ServiceNow CoreAI представила AutoSynthData — систему для создания синтетических задач обучения на основе ошибок целевой модели и успешных примеров более сильной модели-учителя. В экспериментах с EnterpriseOps Gym подход позволил повысить Pass@1 на 7.2 процентных пункта (рост на 35%) при дообучении Gemma-4-26B-A4B-it.
Почему это важно: ServiceNow описывает конвейер AutoSynthData для генерации синтетических данных, демонстрируя рост точности на 35% при дообучении модели.
GitHub Blog · AI & MLОценка AI5353 GitHub Copilot: как создавать пользовательские рабочие процессы с помощью Canvases
В приложении GitHub Copilot представлена функция Canvases — настраиваемые интерфейсы。
Microsoft ResearchГлавноеОценка AI6868 Microsoft Research представила инструмент для выгрузки инференса физических AI-роботов
Исследователи Microsoft показали, что перенос инференса с бортовых GPU на edge или облачные серверы улучшает успешность задач。
Почему это важно: Microsoft добавляет в Physical AI Toolchain функцию выгрузки инференса на edge или cloud GPU, что повышает точность роботов и экономит заряд батареи.
Mistral AIГлавноеОценка AI6868 Модернизация сложного устаревшего кода с помощью AI-агентов
Mistral описывает процесс миграции 40 000 строк Fortran 77 в C++ для европейского энергетического оператора. Для обеспечения точности перед началом миграции был создан инструментарий проверки численного соответствия. Документирование базы кода выполнялось с помощью Vibe CLI и Mistral OCR. В процессе использовалась гибридная модель: человек управлял рабочим процессом из планировщика, кодировщика, тестировщика и ревьюера.
Почему это важно: Описан практический опыт модернизации кода с помощью AI-агентов, включая создание проверочных инструментов и структурированных рабочих процессов.
Berkeley AI ResearchГлавноеОценка AI7070 K-Search: Перенос экспертизы CUDA в MLX для оптимизации ядер на Apple Silicon
Исследователи из Berkeley AI Research и IBM Research адаптировали фреймворк K-Search для MLX。
Почему это важно: Исследование демонстрирует перенос экспертизы CUDA в MLX через AI-агент, обеспечивая ускорение до 20 раз на Apple Silicon.