Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

МОДЕЛЬ · ENTITY #8428

GPT

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

3

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Исследование (arXiv:2611.17639v1) анализирует, на что ориентируются LLM‑агенты — данные инструментов или слова пользователя

Статья применяет теорию презуппозиций для анализа, когда LLM‑агенты выполняют действия (например, отменяют бронирование, удаляют папку) на основе выдачи инструментов или слов пользователя. Авторы показывают, что агенты часто действуют, не уточняя, если запросы не различают один и несколько записей; перечисление записей останавливает большинство агентов, простая индикация числа — нет; утверждения пользователя (например «пусто») сокращают число действий; протестированные новейшие модели Claude и GPT открывали посчитанную вторую запись и затем не действовали; в розничном бенчмарке схожие клиенты приводили к ошибочным записям в ~25% бесед, если lookup не проверял альтернативные записи или улицу.

7.0

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

InfoQ: Руководство по платформенной инженерии для production LLM

InfoQ публикует руководство по платформенной инженерии на примере системы рекомендаций для учёта запасов в ритейле, где уровень галлюцинаций снизили примерно с 15% до 1,5% без замены фаундейшн-модели, применив платформенные меры (автоматические циклы повторов, валидация намерений, реестр подсказок, авторизация инструментов и кастомная телеметрия). В статье есть сопроводительный репозиторий на GitHub с запускаемыми примерами — локальная llama3.1 через Ollama и LiteLLM — и обсуждение маршрутизации через модели вроде Gemini и GPT в корпоративном трафике.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

CRISS: чат‑бот с retrieval‑augmented generation для регистраторов рака (arXiv:2609.29075v1)

Авторы представляют CRISS (Cancer Registry Intelligent Support System) — диалогового помощника с retrieval‑augmented generation, обученного на базе норм и стандартов национальных регистров рака для выдачи ответов с подтверждающими ссылками. При оценке по протоколу LLM-as-a-Judge на вопросах лёгкой/средней/сложной степени RAG‑конфигурации превзошли не‑RAG‑модели (средние оценки grounding 0.62/0.56/0.59 против 0.29/0.26/0.29); проприетарные RAG‑модели лучше на лёгких/средних, локальные RAG — на сложных вопросах, и в целом RAG давали более семантически согласованные ответы.

6.0