RAG (retrieval-augmented generation)

2026-10-26

OTHER · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

InfoQ запускает ноябрьские потоки 2026 года по сертификации «AI Engineering» и «High-Performing Teams»

InfoQ анонсировала три живых онлайн-потока в ноябре 2026 года: AI Engineering с Ади Полаком (12 ноября, PST) и Лан Чу (13 ноября, CET), а также High-Performing Teams с Олимпиу Попом (17 ноября). Программы охватывают практические темы production AI — RAG, пайплайны контекста и памяти, оркестрацию агентов, инфраструктуру и оценки, а также модель работы команд; занятия проходят вживую (не записываются), а сертификация требует участия и выполнения итогового капстоуна.

4.0

2026-10-05

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Парная оценка: хостируемая Jev превосходит открытую Laya по большинству решений System‑1; аудит уточняет заявенные сбережения

Статья на arXiv (arXiv:2610.02267v1) представляет парную воспроизводимую оценку двух моделей System‑1 для «агентных» оболочек — открытой Laya и хостируемой Jev — по 11 типам решений на 7 283 базовых случаях и 6 640 вариантов устойчивости. Jev статистически лучше на 9 из 11 точек принятия решений (+10,8–+46,0 процентных пункта); ни одна модель не превосходит случайный выбор при zero‑shot маршрутизации моделей, они равны по фильтрации релевантности в RAG. Авторы также самостоятельно провели аудит и уточнили ранее заявленные эффекты: учёт пропущенных издержек снижает заявленную экономию с 23,9% до 4,3%, точность «гейта» была смешана с конечным качеством (58% vs 98%), пороги были подогнаны на выборке (до 17% промахов на отложенной), и «channel effect» изменял число ложных срабатываний при инъекциях; все сырые данные и код выложены в репозитории.

7.0

2026-09-28

COMPANIES · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

Презентация Forter: как 200 сотрудников R&D научились создавать AI‑агентов за две недели

На QCon AI главный инженер Forter Бен Мараней рассказал о двухнедельном внутреннем спринте, в ходе которого около 200 сотрудников R&D получили практический опыт создания AI‑агентов. Команда снизила барьеры, запустив собственный MCP‑сервер, сочетая no‑code и кодовые платформы, избегая сложных RAG‑настроек и согласовав действия с отделами безопасности и юристами для ускорения внедрения.

5.0

2026-09-12

CODING · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

Презентация: От поиска к рассуждению — создание промышленных агентных ИИ-систем на основе графов знаний

Кэсси Шум утверждает, что графы знаний являются фундаментом для агентных ИИ-систем и описывает четыре практических архитектурных шаблона — объединение контекста, происхождение решений, код как истина и видимость агента. Она также демонстрирует инженерный каркас на основе графа знаний, предназначенный для упрощения циклов обратной связи, оптимизации использования токенов и повышения надежности системы.

5.0

2026-08-20

COMPANIES · 1 ИСТОЧН. · Mistral AI

Mistral выпустила Agentic Search — слой поиска в Search Toolkit и Libraries

По данным Mistral, Agentic Search — это многошаговый слой извлечения, позволяющий моделям переходить по длинным сложным документам, проверять и верифицировать информацию; он доступен через Mistral Search Toolkit и встроен в Libraries в Studio и Vibe. Mistral приводит результаты бенчмарков: ~3× рост корректности на FinanceBench (26,7% → 86%), прирост на OfficeQA Pro на 45,6 пункта (6,3% → 51,9%), сокращение p90-задержек до 39,6% и уменьшение расхода токенов до трети.

7.0