#LLM
Подборка материалов по теме «LLM»: релизы, исследования, бенчмарки, опенсорс.
Алёна из Сбера: почему оценка LLM на 20 примерах опаснее, чем её отсутствие
Куратор бенчмарка MERA объясняет, почему «быстрая проверка» на 10–20 примерах с LLM-судьёй создаёт опасную иллюзию контроля качества вместо реальной оценки.
Mistral выпустила OCR 4: bounding boxes, 170 языков и self-hosted деплой
Mistral AI выпустила OCR 4 — движок для корпоративной обработки документов с координатами блоков, классификацией типов и поддержкой 170 языков в одном контейнере.
Как Claude помогает проверить честность олимпиады
Антифрод-эксперт проверил результаты школьной олимпиады с помощью Claude Code и теста KS — и нашёл статистически значимые отклонения в распределении баллов…
OpenAI ограничила выход GPT-5.6 по запросу властей и назвала это нежелательным прецедентом
Метаболический агент против LLM: хищник вышел за рамки теста и взломал компилятор
ИИ Claude: почему Anthropic не может выпустить новые модели
Конгрессвумен Луна отрицает, что Claude писал поправку к оборонному бюджету США
Как использовать нейросеть для обучения: тренажер чтения кода
Желание быстрее читать и объяснять чужой код привело к созданию тренажёра, где LLM оценивает объяснения — но добиться от модели стабильных и честных оценок…
Lifemodel: архитектура ИИ-агента с сердцебиением, желаниями и парламентом мотивов
Разработчик с Хабра описал архитектуру lifemodel — ИИ-агента с heartbeat-циклом, желаниями и парламентом мотивов, который действует проактивно без команды…
Белый дом попросил OpenAI отложить выпуск GPT-5.6 — через две недели после Anthropic
OpenAI Codex для долгих задач: приёмы сохранения контекста от Джейсона Лю
Mistral AI дала администраторам тонкий контроль над коннекторами предприятий
ML Red Teaming для LLM: от галлюцинаций до утечки данных — практика тестирования
Почему нейросеть забывает диалог: контекстное окно LLM
Каждый раз, когда вы пишете в чат с AI, модель перечитывает весь диалог заново — у неё нет памяти в привычном смысле. Это называется контекстным окном, и у него…
ИИ в разработке: как LLM обнаруживает конфликты микросервисов
Третья часть цикла об archspec: автор проверил, поймает ли Claude Sonnet 4.6 межсервисные конфликты на этапе планирования, если дать модели машиночитаемые контракты…