LinkedIn

2026-10-26

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

InfoQ описывает эволюцию «agentic harnesses»: от цепочек к графам и коду

Статья на InfoQ рассматривает три парадигмы создания «agentic harnesses» для LLM — цепочки (линейные конвейеры), графы (явный контроль потока через узлы/рёбра) и код (первоклассное исполнение в песочнице) — и утверждает, что подходы эволюционировали от «склеенного» прототипа к промышленным, наблюдаемым архитектурам. В материале обсуждаются компромиссы (задержки, хрупкость, устойчивость) и даются рекомендации: считать выводы LLM ненадёжными, разделять планирование и исполнение и вкладываться в наблюдаемость и минимально сложные абстракции.

6.0

2026-10-13

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

QCon AI New York 2026 подтвердил сессии по продакшн-агентам, эвам и контролю затрат LLM

QCon AI New York 2026 (15–16 декабря, The Westin Jersey City Newport) опубликовал подтверждённые доклады старших инженеров о проблемах продакшна для агентов, эвов и управления затратами LLM. Среди докладчиков — Нэнси Ванг (идентификация и авторизация агентов), Ронак Натхани (операционный агент LinkedIn), Фабио Флорес (петля эвов DoorDash), Тежас Чопра (сжатие подсказок и кэширование), Мин Чен (AI-ревью кода в LinkedIn) и Нэйтен Харви (AI-готовность в Google Cloud).

5.0

2026-10-09

COMPANIES · 1 ИСТОЧН. · The Verge AI

Nikon дисквалифицировала победителя конкурса Small World in Motion после признания об обработке с помощью ИИ

Nikon заявила, что видеоролик, занявший первое место в конкурсе Small World in Motion, дисквалифицирован за несоответствие правилам по генеративному ИИ после того, как доктор Нинг Сюй признался в использовании неконтролируемой нейросети для пост‑обработки; ролик удалён, а первое место теперь занимает Нгуен Нам Нхат. Nikon пообещала пересмотреть правила и процедуру оценки для будущих конкурсов.

6.0

2026-09-25

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

QCon AI New York 2026: авторизация агентов, операционные агенты, платформа моделей и оценка

QCon AI New York (15–16 декабря 2026) подтвердил 23 доклада, включая доклад о идентификации и авторизации автономных агентов (Нэнси Ван, 1Password), меры предосторожности для операционного агента на крупном Kubernetes (LinkedIn), пятилетнюю консолидацию платформы обслуживания моделей в Netflix и оценку/модерацию после развертывания. Программа ставит акцент на системной инженерии для ИИ: ограничениях полномочий агентов, наблюдаемости, компромиссах по стоимости и задержке и непрерывной оценке в продакшне.

5.0

2026-09-19

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

LinkedIn создала Contextual Agent Playbooks — организационный слой контекста для AI‑агентов на базе MCP

На QCon AI инженер LinkedIn Аджай Пракаш представил систему «Contextual Agent Playbooks and Tools» — организационный слой контекста, построенный на Model Context Protocol (MCP), который предоставляет агентам процедурную память, поиск по коду и инструкции (runbooks). LinkedIn заявляет, что система (используется в сотнях рабочих процессов) даёт рост продуктивности на 20% без потери надёжности и описал её архитектуру и эксплуатационные меры.

7.0

2026-09-16

COMPANIES · 1 ИСТОЧН. · xAI

Grok Bot стал доступен для предприятий с контролем доступа, сети и аудита

Grok Bot теперь доступен для корпоративных клиентов; пользователи Grok и Cursor Enterprise получают бесплатный доступ на две недели и могут пригласить всю организацию. Выпуск добавляет возможности управления — контроль доступа, сети и аудита — и описывает ботов, которые работают в изолированных облачных средах, используют приложения и сайты, усваивают рабочие процессы, обмениваются сообщениями и выполняют задачи от начала до конца в продажах, рекрутинге, маркетинге, финансах и инженерии.

6.0

2026-09-11

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

LinkedIn обучает модель ранжирования для поиска вакансий в 8× быстрее с помощью multi-teacher distillation

LinkedIn опубликовал технические подробности инфраструктуры обучения для своего AI‑поиска вакансий, описав пайплайн multi-teacher distillation, который сжимает знания больших teacher‑моделей в компактную модель ранжирования с 0,6 миллиарда параметров. Компания заявляет, что этот подход обеспечивает до 8× ускорения обучения производственной модели ранжирования. (Автор: Claudio Masolo)

7.0