r (@r@fed.brid.gy)
Μελέτη προειδοποιεί / Τα AI chatbots δίνουν προβληματικές ιατρικές συμβουλές σχεδόν στις μισές περιπτώσεις
Show Original Post
r (@r@fed.brid.gy)
Μελέτη προειδοποιεί / Τα AI chatbots δίνουν προβληματικές ιατρικές συμβουλές σχεδόν στις μισές περιπτώσεις
Show Original Post
r (@r@fed.brid.gy)
Μελέτη προειδοποιεί / Τα AI chatbots δίνουν προβληματικές ιατρικές συμβουλές σχεδόν στις μισές περιπτώσεις
Show Original Post
r (@r@fed.brid.gy)
Μελέτη προειδοποιεί / Τα AI chatbots δίνουν προβληματικές ιατρικές συμβουλές σχεδόν στις μισές περιπτώσεις
Show Original Post
r (@r@fed.brid.gy)
Μελέτη προειδοποιεί / Τα AI chatbots δίνουν προβληματικές ιατρικές συμβουλές σχεδόν στις μισές περιπτώσεις
Show Original Post
r (@r@fed.brid.gy)
Μελέτη προειδοποιεί / Τα AI chatbots δίνουν προβληματικές ιατρικές συμβουλές σχεδόν στις μισές περιπτώσεις
Show Original Post
r (@r@fed.brid.gy)
Μελέτη προειδοποιεί / Τα AI chatbots δίνουν προβληματικές ιατρικές συμβουλές σχεδόν στις μισές περιπτώσεις
Show Original Post
r (@r@fed.brid.gy)
Μελέτη προειδοποιεί / Τα AI chatbots δίνουν προβληματικές ιατρικές συμβουλές σχεδόν στις μισές περιπτώσεις
Show Original Post
r (@r@fed.brid.gy)
Μελέτη προειδοποιεί / Τα AI chatbots δίνουν προβληματικές ιατρικές συμβουλές σχεδόν στις μισές περιπτώσεις
Show Original Post
habr (@habr@zhub.link)
785 статей. 26 доменов. Для агентов, не людей
Когда AI-агент пишет код в пустом проекте, первые 30-40% токенов он тратит на ориентацию — читает README, туториалы, API-reference. Ни один формат не отвечает на главный его вопрос: “какой паттерн скопировать и где грабли?” Вторая проблема глубже: LLM знает “всё на свете”, но распределено это неравномерно. Статей пятилетней давности в интернете больше, чем свежих — и агент по умолчанию тянет меня в прошлое, предлагая устаревшие рецепты. Каждый раз гонять deep research — дорого, и результат всё равно испаряется с сессией. Happyin Knowledge Space — 785 статей в 26 доменах, под MIT. Reference cards, не туториалы. Граф wiki-ссылок вместо vector DB. llms.txt на шести языках. Пишется по результатам моих реальных ресерчей — каждый deep research теперь становится карточкой в базе и не испаряется. Локально разворачивается за 5 минут, работает без серверов и без embedding-моделей.
https://habr.com/ru/articles/1026666/
#AIагенты #Claude_Code #open_source #LLM #rag #llmstxt #ChatGPT #Нейросети #Prompt_engineering #MCP
Show Original Post
sayzard (@sayzard@mastodon.sayzard.org)
Masaki Hara (@qnighy)
ChatGPT Images 2.0가 13시간 시계를 정확하게 그려내는 데 성공했다는 내용이다. 그동안 여러 모델이 실패했던 동일한 벤치마크에서 눈에 띄는 성능 향상을 보이며, 이미지 생성/이해 능력의 발전을 보여주는 사례로 언급됐다.
https://x.com/qnighy/status/2046816957547299163
#chatgpt #imagegeneration #benchmark #openai #aigeneration
Show Original Post
heiseonlineenglish (@heiseonlineenglish@social.heise.de)
ChatGPT gets new image AI that thinks along and researches the web
OpenAI's new image model "ChatGPT Images 2.0" plans and structures visual tasks, uses web search, and creates coherent image series on demand.
#ChatGPT #Entertainment #IT #KünstlicheIntelligenz #OpenAI #news
Show Original Post