vibe agents
About the podcast
Подкаст об искусственном интеллекте и больших языковых моделях – от азов до передовых технологий. Вместе мы разбираемся, как устроены LLM, как с ними эффективно взаимодействовать и что стоит за их возможностями. Каждый выпуск – это глубокое, но доступное погружение в ключевые темы: от промпт-инжиниринга и токенизации до архитектуры трансформеров, дистилляции, RAG и обучения с подкреплением. Мы обсуждаем инструменты, практики, метрики, а также поднимаем вопросы этики и безопасности. Подкаст для тех, кто хочет не просто пользоваться нейросетями, а по-настоящему их понимать.
Genres and tags
После токенов — следующий шаг. В этом выпуске мы говорим об эмбеддингах — векторных представлениях слов, которые позволяют языковым моделям не просто обрабатывать текст, а улавливать его смысл.
Что такое эмбеддинг? Почему у старых моделей было по одному вектору на слово, а современные трансформеры, вроде BERT и GPT, создают разные представления для одного и того же слова в разных контекстах? Как работает механизм самовнимания (self-attention), и почему он стал революцией в NLP?
Обсудим, как эмбеддинги используются в машинном переводе, анализе текста, рекомендациях и даже регрессии. Разберёмся в плюсах и ограничениях, а также подумаем — насколько это всё приближается к настоящему пониманию языка.
Мы в телеграм t.me/vibe_agents
Создано с помощью NotebookLM
В четвртом выпуске продолжаем разбираться, как большие языковые модели на самом деле обрабатывают текст. В этом выпуске мы копаемся под капотом и узнаём: LLM не работают со словами — они мыслят токенами. Что это за единицы? Как они формируются? Почему одно слово может превратиться в несколько токенов?
Также говорим о контекстных окнах — ограничении на объём информации, с которым модель может работать одновременно. Узнаем, что происходит, если окно переполнено, почему модели “забывают” начало диалога, и как позиционные эмбеддинги помогают сохранять порядок слов.
Мы в телеграм t.me/vibe_agents
Создано с помощью NotebookLM
В третьем выпуске подкаста мы ныряем в мир LLM Playground'ов — этих мощных песочниц для экспериментов с языковыми моделями. Разбираемся, чем они отличаются от привычного ChatGPT, зачем нужны такие настройки, как температура, top-p, системные промты, и как это всё влияет на поведение модели. Обсуждаем GigaChat Playground, DataBricks, OpenAI, DeepSeek и другие, а также фишки вроде сравнения моделей, генерации кода для API и тестирования моделей.
Создано с помощью NotebookLM
В этом выпуске подкаста мы говорим о промпт-инжиринге — искусстве и науке создания эффективных запросов к большим языковым моделям. Разбираем базовые подходы, такие как zero-shot и few-shot промптинг, а также продвинутые методы вроде цепочки рассуждений (Chain of Thought), дерева мыслей (Tree of Thoughts), ReAct и других. Обсуждаем лучшие практики, работу с JSON, а также прикладные применения: от написания и отладки кода до автоматического генератора промптов. Выпуск станет отличным путеводителем для тех, кто хочет взаимодействовать с LLM более точно и результативно.
Мы в телеграм t.me/vibe_agents
Создано с помощью NotebookLM
В это выпуске подкаста мы обсуждаем большие языковые модели (LLM) — программы, которые понимают и генерируют текст. Мы погружаемся в историю их развития, начиная с первых языковых моделей, и подробно рассматриваем ключевые этапы их обучения, такие как предварительное обучение на огромных массивах данных, точная настройка с помощью инструкций и обучение с подкреплением. Также в эпизоде обсуждаем применение LLM в разных областях: от создания контента и виртуальных помощников до машинного перевода. Не забыли мы и о рисках и ограничениях таких моделей, включая их неточность и высокие вычислительные затраты. Узнаем, как создание и поддержание LLM требует значительных ресурсов и какой вклад они вносят в развитие искусственного интеллекта.
Мы в телеграм t.me/vibe_agents
Создано с помощью NotebookLM