AI-агенты

Большинство ИИ-агентов внутри одинаковые. Тогда в чём разница?

ZOLT®AI / NEWS

Представьте: на столе техническое задание и три предложения подрядчиков. Цены — за разные периоды, часть условий вынесена в приложения, у одного предложения не хватает обязательной работы. Нужно всё прочитать, сопоставить, пересчитать на одинаковых условиях и подготовить записку с источниками. Можно попросить ИИ объяснить, как это сделать. а можно дать ему документы и инструменты и поручить саму работу: пусть читает, сверяет, считает и возвращает результат. Во втором случае модель уже управляет выполнением задачи. Это и есть агент. Под капотом знакомый цикл: модель выбирает инструмент и параметры вызова, обычный код исполняет инструмент, результат возвращается модели. И так по кругу. Этот принцип — рассуждать, действовать, смотреть на результат — лежит в основе ReAct. Двигатель и четыре колеса есть и у грузовика, и у легковушки, но взаимозаменяемыми они от этого не становятся.

Читать далее

ZOLT JOURNAL / ДАЛЬШЕ

Обложка: Sandflow открыла датасет из 106 тысяч 3D‑моделей
AI-агентыHabr AI

Sandflow открыла датасет из 106 тысяч 3D‑моделей

Французский стартап Sandflow выпустил Sand3D — открытый датасет и 106 тыс. 3D‑моделей различных объектов. Каждая модель сопровождается кодом на Python, который строит объект из независимых деталей. Датасет предлагают использовать для обучения моделей создавать и редактировать 3D‑модели.

Обложка: Пять футурологических сценариев сосуществования человека и искусственного разума
AI-агентыHabr AI

Пять футурологических сценариев сосуществования человека и искусственного разума

Представим, что ИИ уже умеет выполнять любую работу, получил юридические права и тела роботов. Кто тогда владеет фабриками, принимает последнее решение и остается автором будущего? Разбираем пять устойчивых обществ и два предела, за которыми сосуществовать уже некому.

Обложка: ASR для AI-разработки: как я замерял качество распознавания технических терминов
AI-агентыHabr AI

ASR для AI-разработки: как я замерял качество распознавания технических терминов

В этой статье я расскажу о том, как бенчмарк распознавания речи при AI-разработке голосом. Поговорим про сам замер, фабрики софта, постановку задач, особенности речи и датасет, посмотри на циферки и разберемся почему классический WER — очень коварная метрика, особенно в разработке. Ну что, лонг-тапнем на диплинк и деплоим на шпрот?