LLM: полное руководство
Большие языковые модели — от основ до продвинутых техник использования
Статьи о LLM
Архитектуры, обучение, оценка качества, галлюцинации и локальный запуск. Список формируется по тематическому кластеру, а не по редакционному жанру статьи.
ISO для RLVR: фиксируем спектр, обучаем сингулярные фреймы
ISO-Optimizer меняет сингулярные фреймы при фиксированном спектре, а ISO-Merger объединяет специалистов без дополнительного обучения.
Открытые AI-модели США и Китая: факты, позиции и риски
Отделяем подтверждённые события июля 2026 года от позиций компаний и прогноза о будущем open-weight моделей.
Метакогниция в LLM: могут ли модели думать о своём мышлении
Большой обзор: что такое метакогниция, есть ли она у LLM, как её измеряют, и почему без неё безопасный ИИ невозможен.
Квантизация LLM: иллюзия эквивалентности — почему точность обманывает
Новая работа демонстрирует: даже при сохранении точности, квантизация меняет поведение LLM на уровне отдельных решений. Введён метрический тест correctness agreement, который измеряет расхождение между оригиналом и квантованной моделью независимо от абсолютной точности.
Scaling laws LLM: почему Kaplan ошибся, а Chinchilla права
Как главные эмпирические законы глубокого обучения родились, оспаривались и пересматривались — от Kaplan 2020 до стены данных.
Галлюцинации LLM: почему модели выдумывают факты и как это исправить
Почему языковые модели выдумывают факты? Разбираем типы галлюцинаций, методы их обнаружения и современные подходы к исправлению проблемы.
Почему LLM думают: как test-time compute меняет правила игры
Test-time compute и chain-of-thought превратили LLM из калькуляторов в системы, способные размышлять. Но как именно работает «время на размышление» и почему оно помогает?
Mamba и State Space Models: может ли змея заменить трансформер
Mamba обещает производительность трансформера при линейной сложности и контексте до миллиона токенов. Разбираем, как работают State Space Models и почему это важно.
Multi-Stream LLM: как параллельные потоки мыслей меняют архитектуру языковых моделей
Новая архитектура Multi-Stream LLM разбивает монолог языковой модели на параллельные потоки: модель может думать, получать входные данные и генерировать ответ одновременно — как многоядерный процессор, а не как телеграф.
Локальные LLM: зачем запускать нейросети на своём железе
Cloud API удобно, но не всегда. Разбираемся, когда имеет смысл поднять LLM локально — от приватности до стоимости и задержки.