Перейти к содержимому
Только Первоисточники#Программирование
11 ноябряср
  1. AWS Machine Learning Blog71

    Создание ежедневного мониторинга зависимостей с LangGraph и Amazon Bedrock AgentCore

    В статье описывается процесс создания ежедневного мониторинга зависимостей для команды безопасности с использованием LangGraph и API веб-поиска Amazon Bedrock AgentCore. Решение позволяет агентам получать актуальные результаты поиска и управлять источниками информации.

    Почему это важно: Материал предоставляет пошаговое руководство по созданию системы мониторинга зависимостей с использованием AI-агента и API веб-поиска.

6 ноябряпт
3 ноябрявт
  1. OpenAI News45

    Qodo интегрирует контекст в AI-ревью кода с помощью Codex

    Qodo внедрила знания компании и стандарты кодирования в Codex, что позволяет разработчикам выявлять критические проблемы (P0) в репозиториях до открытия pull request.

31 октябрясб
  1. Hugging Face Blog58

    Создание Haunted House с использованием моделей NVIDIA Nemotron

    Разработчики создали интерактивный проект MonsterHouse для Хэллоуина, используя NVIDIA Nemotron Voice Agent и другие технологии. Проект включает в себя голосовое взаимодействие и анимацию。

30 октябряпт
  1. AWS Machine Learning Blog73

    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.

29 октябрячт
  1. Mistral AI85

    Mistral Large 4 (Le Chonk) стал доступен для разработчиков

    Mistral выпустила модель Mistral Large 4 (Le Chonk) с 1 триллионом параметров。

    Почему это важно: Описание условий доступа помогает оценить влияние функции на рабочие процессы.

22 октябрячт
  1. AWS Machine Learning Blog75

    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.

  2. Hugging Face Blog58

    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.

15 октябрячт
  1. AWS Machine Learning Blog73

    Создание самообучающейся системы обработки документов с помощью Amazon Bedrock AgentCore

    Авторы представили метод построения системы обработки документов с использованием Amazon Bedrock AgentCore。

    Почему это важно: Материал описывает процесс создания системы обработки документов с использованием AI-агентов, что может значительно упростить рабочие процессы.

14 октябряср
  1. AWS Machine Learning Blog75

    Создание презентаций с помощью Amazon Bedrock AgentCore

    Разработчики создали систему AI-агента на базе Amazon Bedrock AgentCore, которая автоматизирует процесс создания презентаций。

    Почему это важно: Описание системы автоматизации создания презентаций помогает понять применение AI-агента в бизнес-процессах.

13 октябрявт
  1. GitHub Blog · AI & ML62

    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.

7 октябряср
  1. Hugging Face Blog81

    Модель Nemotron достигла золотых результатов на IOI и IMO

    Команда разработчиков адаптировала модель Nemotron для участия в IOI и IMO, достигнув золотых медалей на обоих соревнованиях с использованием методов дообучения и обучения с подкреплением.

    Почему это важно: Результаты показывают, как адаптация модели Nemotron позволяет достигать высоких результатов на международных олимпиадах.

6 октябрявт
  1. Mistral AI92

    Mistral AI представила Mistral Large 4 с открытыми весами

    Компания Mistral AI запустила публичную предварительную версию Mistral Large 4 — мультимодальной модели на 1 триллион параметров. Модель демонстрирует передовые результаты в задачах программирования, работы с агентами и кибербезопасности, превосходя многие закрытые аналоги. Весы модели будут опубликованы в конце месяца.

    Почему это важно: Описаны возможности модели в кибербезопасности и агентах, а также сроки выхода весов.

  2. Hugging Face Blog80

    Falcon-Emirati: новая модель для понимания эмиратского диалекта

    Разработчики представили Falcon-Emirati-7B, специализированную модель для эмиратского диалекта арабского языка。

    Почему это важно: Описание условий доступа помогает оценить влияние функции на рабочие процессы.

  3. AWS Machine Learning Blog70

    GLM 5.3 доступен в Amazon Bedrock

    Z.ai выпустила модель GLM 5.3 для задач кодирования и агентов. Модель доступна через API с кэшированием промптов и поддержкой кросс-регионального вывода.

    Почему это важно: Материал описывает новые возможности и условия доступа, что помогает оценить влияние на рабочие процессы.

1 октябрячт
  1. Google DeepMind92

    Google DeepMind представила Gemini 4 Argon

    Google DeepMind анонсировала новую модель Gemini 4 Argon с увеличенным лимитом выходных токенов до 1 миллиона. Модель демонстрирует передовые результаты в задачах программирования。

    Почему это важно: Описаны возможности модели в сложных задачах и условия доступа, что помогает оценить влияние на рабочие процессы.

9 сентябряср
  1. Mistral AI68

    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.