21 января 2026

В 2025 году на Хабре ученые и эксперты MWS AI рассказывали о практическом применении ИИ, новых подходах к оценке и обучению моделей, инфраструктурных ограничениях, решениях и экспериментах для подтверждения бизнес-эффектов и много о чем еще. Сохраняйте нашу подборку самых интересных публикаций и не забудьте поделиться ею с коллегами. 📌 Как мы учим LLM оценивать друг друга и как это помогло нам улучшить Cotype Рассказали о нашем новом подходе к оценке больших языковых моделей методом Side-by-Side. Показали, как нам удалось улучшить качество наших моделей Cotype, а значит и корпоративные ИИ-решения на их основе. 📌 Как мы сделали новых ИИ-помощников для программистов компактными и при этом могучими Объяснили, какие уловки в обучении мы применяли, чтобы наши небольшие кодинг-модели семейства Kodify не уступали в качестве и возможностях более крупным собратьям, оставаясь компактными и менее ресурсозатратными. Это важно для корпоративного использования. 📌 Как мы строим умный «файрвол» для LLM Представляем AVI — внешний «фильтр» для языковых моделей, который проверяет запросы и ответы, снижая риски галлюцинаций и токсичности в выдаче. Это пример того, как обеспечивать безопасность и качество. 📌 ML глазами практика и препода. Часть 1 📌 ML глазами практика и препода. Часть 2 Дилогия с практическим, философским и преподавательским взглядом на то, как искусственный интеллект меняет ИТ, науку и подходы к получению знаний. 📌 SWE-MERA — новый динамический бенчмарк для моделей агентной генерации кода Рассказываем, как устроен новый динамический бенчмарк SWE-MERA, предназначенный для оценки кодинг-моделей на реальных сценариях, и как он решает проблему контаминации данных. . 📌 MWS AI Vision Bench: первый русскоязычный бенчмарк для бизнес-OCR Представляем собственный бенчмарк для оценки ИИ-моделей на реальных бизнес-задачах, предполагающих работу с текстовой и визуальной информацией на русском языке. Открываем код и валидационный сплит, приватный тест — по запросу. 📌 Как сжимать языковые модели без дообучения Рассказываем о новом методе структурного прунинга, разработанном учеными MWS AI с зарубежными коллегами, который позволяет сделать большие модели менее требовательными в плане памяти и времени выполнения при сохранении качества. 📌 Почему «больше токенов ≠ лучше» или как научить LLM работать с длинным контекстом Объясняем, почему увеличение контекстного окна часто приводит не к улучшению ответов ИИ, а наоборот — увеличивает галлюцинации. Рассказываем, как RAG, динамические промпты, chanking и их комбинация помогают сдерживать бурную фантазию LLM. 📌 ИИ в праве: генеративные фантазии и законодательные дыры Статья разбирает, как генеративный ИИ проникает в юридическую практику и с какими правовыми вызовами сталкивается бизнес. Показываем примеры, когда модели действительно помогают, а когда приводят к судебным инцидентам и штрафам.