Kurgan-Telecom Ru | Информационные технологии

У моей игры в Steam было 480 439 показов, 49 788 переходов на страницу и CTR 10,4%.

И восемь отзывов.

На первый взгляд виновата витрина: слабые скриншоты, старый трейлер, описание из трёх абзацев. Всё это действительно было плохо. Но один из игроков сформулировал проблему точнее: трассы маленькие и повторяются, цели нет, достижения поверхностные, а обещанная «бесконечная пустыня» заканчивается ощущением короткого кольца.

Он был прав.

Я выпустил Drift Desert Race как игру-мем: садишься в машину и восемь часов едешь через пустыню, чтобы в конце узнать смысл жизни. Идея объясняется одной фразой, хорошо выглядит в ролике и почти не отвечает на главный вопрос игры:

ИИ для создания контента выдаёт похожие тексты: разбираем, откуда берётся шаблон, и показываем, как измерить похожесть шинглами, MinHash и метриками структуры.

Я тепломеханик, начальник отдела в проектной организации, не программист. С августа ковыряю форк llama.cpp: хочу, чтобы большие MoE‑модели нормально шли на обычном домашнем ящике, где видеокарта на 6 ГБ, 24 ГБ памяти и SATA‑диск. Полигоном была gpt‑oss-20b. Итог пока обидный: выиграл штатный флаг ‑fit, на длинном запросе он в 2,44 раза быстрее привычного ‑ngl 99, а мои ускорения поверх него не дали ничего. Зато по дороге я собрал неплохую коллекцию способов, которыми замер скорости врет, и пару настроек, которые пригодятся любому владельцу небольшой видеокарты.

11 000 файлов техдокументации, больше 100 менеджеров по продажам и бот, который уверенно называл числа из паспорта соседнего станка. Разбираю, почему плотные векторы промахиваются по артикулам, и что в итоге сработало.

Всем привет! Сегодня я расскажу вам про хеш-функции, основные свойства хеш-функций, зачем и в каких случаях их можно применять. 

Мошеннические схемы становятся все более и более изощренными, а с использованием ботов и нейронок они приобретают массовость, увеличивают конверсию. Я подозреваю, что наибольший экономический эффект  и выгоду от внедрения ИИ имеют именно мошеннические организации.  Подозреваю, но не могу доказать.

В этой статье поговорим о мошеннических схемах с использованием ботов и нейронных сетей на сайтах знакомств. В такие схемы могут попасть как мужчины, так  и женщины. Для эксперимента на сайте знакомств я создала анкету с максимально обеспеченным и привлекательным  профилем.  

Для эксперимента выбрала приложение teamo. Сразу могу сказать, выглядит так, будто сайт делится данными пользователей с заинтересованными лицами, но это маловероятно, и хочется верить, что это не так. Возможно, у сайта есть огромная брешь в безопасности, и данные утекают в дыру. Если это второе, то профессионалам найти эту брешь ничего не стоит. Почему было выбрано именно это приложение? Знакомые и коллеги отмечают, что чаще всего подозрительные предложения приходят именно из этого приложения.

Двенадцать нейросетей для видео прогнали на одном промпте: 8 секунд, 720p, по одному прогону (одной генерации) на модель. Первым по сумме баллов вышел Luma Ray 3.14: 9,1 из 10, две минуты, 5 токенов, дешевле всех в списке. Лучшую картинку показала Seedance 2.5, и она же самая дорогая: 138,7 токена, в 27 раз дороже лидера.

Идеального руководителя не существует — и это хорошая новость. Четыре управленческие роли, четыре поведенческих стиля, одна матрица. Показываю, как PAEI и DISC прогнозируют, кто сорвёт ваши изменения, а кто их вытянет.

Привет, Хабр! 29 сентября в Москве прошла 19-я ежегодная ИБ-конференция BIS Summit 2026. Организатором выступила Ассоциация по защите деловой информации (BISA) при поддержке ГК InfoWatch.

Раз в год в рамках BIS Summit мы собираем большие открытые дискуссии: на одной площадке вопросы, связанные с ИБ (а в этом году и с ИИ), обсуждают представители крупных компаний и предприятий, министерств и регуляторов, а также независимые эксперты.

Главная тема этого года — «Искусственный интеллект: где граница между прогрессом и угрозой». Обсуждали, как вы поняли из названия, различные аспекты обеспечения безопасности применения ИИ и вопросы его регулирования, риски от внедрения и ответственность за последствия, которые возникают в связи с этим внедрением.

В этом году традиционно были две большие пленарные сессии и восемь тематических секций:

1. «Собственный искусственный интеллект: что, если не успеем. Риски безопасности»
2. «Построение защищённой цифровой платформы бизнеса в условиях актуальных угроз»
3. «Киберинциденты в практике судов»
4. «Практическая секция по защите от утечек с использованием ИИ»
5. «Битва трендов ИБ для бизнеса»
6. «Использование ИИ для сетевой защиты»
7. «Образование будущего: от учебников к промптам»
8. «Внедрение технологий искусственного интеллекта в России: вызовы и решения»

Мы собрали 1000 участников офлайн и 2000 онлайн. 

Под катом — много фоток, подробности про каждую пленарку, а также набор общих выводов, для понимания того, как сейчас на высшем уровне относятся к ИИ, что собираются с этим делать и как всё это влияет на бизнес.

Обычно я тщательно готовлюсь к поездкам как истинный тревожник: составляю и продумываю маршрут, ищу способы добраться до локаций ещё сидя дома на диване и даже снимаю нужную валюту в своей стране. Но с Ереваном получилось иначе: о поездке я узнал часов за пять до вылета. Прилетел: на телефоне только российские приложения, с собой только рубли, никакого готового маршрута и здравого смысла.

У меня получилось всё разрулить на месте — но я всё же советую подготовиться к поездке заранее. Собрал здесь то, что будет полезно вылетающим в Ереван.

Привет, Хабр.

Я Георгий Марков, архитектор сервисных проектов компании Инфосистемы Джет. В сервисе уже более 10 лет в различных ролях. За это время удалось поработать практически со всеми классами СЗИ и различными по величине инфраструктурами — от отдельных решений в небольших офисах до крупных территориально распределенных комплексов площадками по всей России и за ее пределами. В ходе работы я сталкивался с ситуациями, когда неплохо внедренные системы с годами переставали выполнять свои функции. На практике часть этих проблем возникает еще на моменте передачи системы после проекта внедрения во внутреннюю эксплуатацию.

Требования меняются, интеграции усложняются, а бизнес ждёт измеримого результата. Как системному и бизнес-аналитику справляться с этими задачами и где может помочь ИИ? В октябрьской подборке бесплатных вебинаров разбираем подходы и инструменты, которые помогают проектировать системы, управлять изменениями и находить возможности для автоматизации.

Привет, Хабр! Меня зовут Антон Алексеев, я ML Ops-инженер в Авито. 

В конце июля мы с коллегами съездили в Иокогаму на KubeCon + CloudNativeCon Japan 2026. Ко второму дню я заметил, что слайды выступающих повторяются: спектр изоляции тенантов, квоты, bin packing, «GPU дорогие — давайте делить». Мы решаем в Авито ту же задачу, поэтому я разберу шесть докладов про GPU и LLM-инференс и расскажу, что из этого мы уже пробовали или собираемся попробовать. А в конце будет немного про саму Японию.

Мы работаем на крупном проекте, где присутствует десятки интеграций, сотни бизнес-сценариев, документация в Confluence, а теперь ещё и описания бизнес-сценариев с помощью ИИ прямо в репозиториях. Это здорово выручает для погружения в проект, но всё равно не покрывает всю картину при работе над конкретной доработкой. Поэтому в команде аналитиков мы начали заводить собственных ИИ-агентов: собираем в папку нужные репозитории из Git, БФТ от заказчика, заметки со встреч, и вместе с агентом проектируем и анализируем.

Дальше в статье мы разберём полный конвейер: как готовим данные для ИИ-агента, передаём ему контекст и затем превращаем результат анализа в готовое ЧТЗ. Без нормальной подготовки на входе даже самый умный агент выдаст ерунду, а Markdown-результат на выходе ещё нужно оформить в корпоративный .docx.

Ребята из Jetbrains работают над расширением механизма компаньонов (companions), чтобы открыть новые возможности для организации кода и улучшить совместимость между различными платформами. В этой статье мы расскажем о новых возможностях и дадим предварительные рекомендации по миграции.

Модель Ninkear L20 интересна своей "начинкой: Core Ultra 5 226V со встроенным NPU AI Boost процессором и графикой Intel Arc 130V (видеопамять до 8 ГБ для запуска простых LLM), а также с двумя слотами М.2 для установки SSD. Есть поддержка Wi-Fi 7, трёх 4K-мониторов, а суммарная вычислительная мощность для ИИ-приложений на уровне 97 TOPS. На базе такого мини-ПК можно создать домашний или офисный медиацентр с ИИ-помощником и функциями NAS.

Мы выпустили MCP-сервер, который даёт ИИ-агентам прямой доступ к геосервисам API-платформы 2ГИС: поиск мест и организаций, прямое и обратное геокодирование, построение маршрутов, изохроны и статические карты — сейчас это 6 инструментов поверх соответствующих API. 

Что это за сервер и как подключить — в документации. А в этой статье расскажу про инженерную часть: как он устроен внутри и на какие грабли мы наступили, пока доводили его до прода.

Статья будет полезна разработчикам, кто пишет свой MCP-сервер или тулы под function calling, кто проектирует контракты инструментов для LLM, и просто всем, кому интересно, что ломается на стыке LLM и гео.

В настоящий момент я работаю над проектом по детекции дефектов дорожно‑транспортной инфраструктуры. Находимся на самом начальном этапе, подбираем модели для детекции.

Мы начинали работы с моделями детекции — как‑то по инерции с предыдущего проекта. Но этого опыта и знаний (а также обученных ранее моделей) оказалось недостаточно для решения поставленных задач. Тогда мы обратились к сегментационным моделям. И сразу возник вопрос об адекватном инструменте для разметки данных.

Если вы обучали свою модель детекции или сегментации, то знаете: самое долгое — не обучение, а разметка. Готовые инструменты делятся на две группы. Серверные (CVAT, Label Studio) умеют всё, но их нужно разворачивать и поддерживать. Эти инструменты замечательны, но очень непростые в освоении и затратные с аппаратной точки зрения.

Существующие простые десктопные вроде labelImg ставятся за минуту и очень удобные в освоении, но не обладают нужным функционалом — умеют в основном размечать прямоугольники (bbox). И стало понятно, что нам нужна была середина: программа, которая запускается на ноутбуке без сервера и делает разметку bbox и полигональную разметку.

Сделали простую программку, которая делала то, что надо. Но дальше — больше: сначала понадобились повёрнутые рамки (OBB), потом маски, затем многопользовательский режим, а под конец — семантическая и panoptic‑сегментация. И всё это нужно было выгружать в форматы, которые без доработки едят YOLO, Detectron2 и Mask2Former. Так появился YOLO Annotator. Код открыт (GPL-3.0), ниже — что он умеет и как устроен изнутри.

Всем привет! Меня зовут Ваня, по призванию системный архитектор в RED Security. Хочу познакомить вас с open-source-решением для контроля и централизации работы с ИИ — Agentgateway.

Немалую долю задач в бизнесе, где применим ИИ можно свести к выбору варианта ответа на тот или иной вопрос, например, куда направить обращение, кто согласует заявку, срочная ли жалоба. Я дообучил открытую модель на 4 млрд параметров на русских задачах за несколько сотен рублей аренды видеокарты и честно сравнил её с YandexGPT, GigaChat и открытыми аналогами, в том числе на задачах, которых не видела ни одна модель. На своих задачах 84,5% точности и почти две трети потока на автоматике при 95% правильных решений, на чужих верхняя группа, но не лидер. Плюс грабли, на которые стоит не наступать, и метрики, которые стоит требовать от подрядчика. Модель и код открыты.