AprielGuard: Una nueva frontera en la protección de LLM contra amenazas y ataques
Представлена AprielGuard, инновационная система защиты больших языковых моделей (LLM) от уязвимостей и атак. Разбираемся, как она работает и почему это важно.
ChemEval: Новый эталон для оценки химических больших языковых моделей
Команда из Китайского научно-технического университета и iFlytek представила ChemEval, комплексный набор тестов для оценки способностей больших языковых моделей в области химии.
¿Son seguras las grandes modelos de lenguaje avanzados? Nuevo informe.
Фуданьский университет и Шанхайский институт креативного интеллекта опубликовали отчет о безопасности шести ведущих больших языковых моделей. Подробности в статье.
ICLR 2026: UIUC нашла способ остановить «чрезмерное обдумывание» LLM одной строкой кода
Исследователи из UIUC (University of Illinois Urbana-Champaign) предложили метод, позволяющий значительно повысить эффективность работы больших языковых моделей (LLM), сократив избыточное потребление вычислительных ресур
Aniversario de R1: DeepSeek Model 1 aparece discretamente en el horizonte
DeepSeek отмечает годовщину R1 выпуском Model 1. Что это значит для конкуренции в сфере больших языковых моделей? Краткий обзор.
¿Por qué la IA es vulnerable a ataques de inyección de consultas?
Как обмануть большую языковую модель? Атака через внедрение запросов позволяет заставить ИИ делать то, что ему запрещено. Разбираемся, почему это работает и как с этим бороться.
MLflow для LLM: версионирование промптов и регрессионное тестирование
Как обеспечить стабильность больших языковых моделей? MLflow предлагает решение для версионирования промптов и автоматического регрессионного тестирования. Подробности – в статье.
La clasificación perfecta de datos en LLM: algoritmos contra ingenuidad
Как заставить LLM эффективно сортировать данные? Сравнение пяти методов на 164 постах Telegram-канала. Результат удивит!
LLM de código abierto para abogados: el experimento de Reg.cloud y Raft
Как open-source LLM справляются с юридическими документами? Эксперимент Рег.облака и Raft раскрывает ограничения и инженерные решения.
Зарубежные против отечественных: как выбрать LLM для реального бизнеса
Выбор языковой модели для продакшена — это не только цифры в бенчмарках. Разбираемся, что важнее: качество генерации или стабильность инфраструктуры.
Новый LLM меняет правила подготовки данных и возглавляет Hugging Face
Инновационный LLM-подход к подготовке данных для обучения нейросетей произвел фурор в сообществе, заняв первое место в рейтинге самых популярных исследований на Hugging Face. Что это значит для будущего AI?
Cómo Just AI Ayudó a un Banco a Romper el Techo de la Automatización con Agentes LLM
Cientos de ramas de escenarios NLU — y la tasa de automatización se estancó de todas formas. Just AI migró el soporte del banco a agentes LLM y agregó un agente-juez contra alucinaciones.
Anthropic aumentó sus ingresos anuales más del doble, hasta 9.000 millones de dólares
Разработчик Claude, компания Anthropic, сообщает о значительном росте годовой выручки, которая превысила 9 миллиардов долларов. Компания также планирует привлечь 25 миллиардов долларов инвестиций.
TruLens: как перестать доверять LLM вслепую и начать измерять качество
Языковые модели всё ещё остаются чёрными ящиками для большинства разработчиков. TruLens предлагает инструментарий, который делает каждый шаг работы LLM прозрачным и измеримым — от входных данных до финального ответа.
OpenGrall Presentó Arquitectura para Robots con IA donde el Modelo de Lenguaje Maneja la Estrategia
El framework OpenGrall propone dividir cognición y control: el modelo de lenguaje maneja estrategia, mientras que TinyML maneja ejecución y seguridad, reduciendo latencia incluso en hardware con recursos limitados.
Lemana Tech mostró cómo combinó LLM, RAG y ML tradicional en soporte técnico
La empresa describió un esquema híbrido de soporte: clasificadores rápidos de ML procesan tickets de alto volumen, mientras que LLMs con RAG se usan donde se necesitan respuestas basadas en la Wiki y escalado inteligente
llm-checker: утилита покажет, какие LLM потянет ваше железо
Новый CLI-инструмент сканирует GPU, RAM и процессор вашего компьютера, а затем честно говорит, какие из 35+ языковых моделей вы сможете запустить локально через Ollama — и насколько комфортно.
Habr AI Explica Por Qué los LLM No Calculan, No Aprenden en el Diálogo y Dependen de Herramientas
Habr AI explica que los modelos de lenguaje por sí solos solo pueden trabajar con texto, mientras que la memoria, cálculos, búsqueda, agentes y 'empleados digitales' emergen a través de herramientas externas.
Yann LeCun contra LLM: apostando por otro enfoque de la IA
Основатель сверточных нейросетей Ян ЛеКун критикует LLM и предлагает альтернативный путь развития ИИ. Почему его мнение важно и что он предлагает?
Regex из локальной LLM: опыт Bitrix24 без дообучения
Как Mac Mini и локальная языковая модель помогли Bitrix24 автоматизировать создание Regex для анализа логов, сэкономив сотни часов ручной отладки. Подробности в статье.
Архитектура как код: как LLM ускоряют проектирование систем
Команда БКС показала, как перенести архитектурную документацию в код и доверить рутину LLM-ассистентам. Цикл согласования, который раньше занимал недели, теперь укладывается в дни.
Python: 10 Bibliotecas para Construir Aplicaciones LLM — de RAG a Sistemas Agentes
Una colección de 10 bibliotecas Python muestra qué capas se utilizan hoy para construir aplicaciones LLM: modelos, RAG, workflows agentes, serving en producción y evaluación de calidad.
Flag Soft: benchmark "Dali Trial" ayudó a seleccionar LLMs por calidad, velocidad y costo
El benchmark "Dali Trial" comparó LLMs en tres criterios importantes para la implementación de productos: calidad de respuestas, velocidad de procesamiento y costo total.
Habr AI: Los LLM pueden asumir la rutina en investigación empresarial, pero no la estrategia
Un autor de Habr AI divide la investigación de productos y marketing en tres niveles y sostiene que los LLM automatizarán rápidamente la rutina y parte del análisis, pero no la reestructuración del marco investigativo en
Agente MCP LLM en Fusion360: primera prueba de vibe-design en una escalera de madera
Fusion360 lanzó un asistente MCP LLM — un autor de Habr lo probó inmediatamente en una escalera de madera que había creado manualmente más de 60 veces.
Cómo los guardrails para LLM en Java bloquean inyecciones y respuestas tóxicas
Un análisis de por qué un único system prompt es insuficiente para proteger LLMs, y cómo los guardrails en Java interceptan entradas peligrosas y filtran salidas tóxicas o no deseadas del modelo.
LLM en desarrollo: qué 4 enfoques usan los equipos y en qué se diferencian
Los LLM ya no se usan solo como autocompletado: el artículo analiza cuatro modos de desarrollo asistido por AI en dos ejes — cuánto código controla una persona y cómo el equipo verifica el resultado.
Por qué los LLM crean una ilusión de creatividad y no garantizan verdadera novedad de ideas
Los LLM ayudan a desarrollar rápidamente una idea y llevarla a su forma final, pero su estilo confiado enmascara fácilmente la secundariedad, compilación y ausencia de verdadera novedad.
Сравнение LLM Embeddings, TF-IDF и Bag-of-Words в Scikit-learn
Разбираемся, какой метод векторизации текста — от классического TF-IDF до современных эмбеддингов — лучше всего подходит для алгоритмов машинного обучения в Scikit-learn.
ClawRouter redujo los costos de LLM API de $47 a $1.80 por semana — análisis del enrutador inteligente
ClawRouter analiza cada prompt en 15 parámetros y lo dirige al modelo más apropiado y económico — reduciendo gastos semanales en LLM API de $47 a $1.80.