{"id":30237,"date":"2025-02-17T12:00:04","date_gmt":"2025-02-17T10:00:04","guid":{"rendered":"https:\/\/rss.eground-zerkalo.com\/?p=30237"},"modified":"2025-02-17T12:00:04","modified_gmt":"2025-02-17T10:00:04","slug":"large-language-models-%d1%82%d0%b0%d1%80%d0%b8%d1%84-%d0%be%d1%81%d0%bd%d0%be%d0%b2%d1%8b-llm-%d0%b8%d0%bb%d1%8c%d1%8f-%d0%b4%d0%b8%d0%bc%d0%be%d0%b2-%d0%b0%d1%80%d1%82%d1%83%d1%80-%d0%bf%d0%b0","status":"publish","type":"post","link":"https:\/\/rss.eground-zerkalo.com\/?p=30237","title":{"rendered":"Large Language Models [\u0422\u0430\u0440\u0438\u0444 \u041e\u0441\u043d\u043e\u0432\u044b + LLM] [\u0418\u043b\u044c\u044f \u0414\u0438\u043c\u043e\u0432, \u0410\u0440\u0442\u0443\u0440 \u041f\u0430\u043d\u044e\u043a\u043e\u0432, \u0414\u043c\u0438\u0442\u0440\u0438\u0439 \u041a\u0430\u043b\u0430\u0448\u043d\u0438\u043a\u043e\u0432]"},"content":{"rendered":"<h2 class=\"\">\u0421\u043a\u043b\u0430\u0434\u0447\u0438\u043d\u0430: Large Language Models [\u0422\u0430\u0440\u0438\u0444 \u041e\u0441\u043d\u043e\u0432\u044b + LLM] [\u0418\u043b\u044c\u044f \u0414\u0438\u043c\u043e\u0432, \u0410\u0440\u0442\u0443\u0440 \u041f\u0430\u043d\u044e\u043a\u043e\u0432, \u0414\u043c\u0438\u0442\u0440\u0438\u0439 \u041a\u0430\u043b\u0430\u0448\u043d\u0438\u043a\u043e\u0432]<\/h2>\n<p> \t\t\t\t\t<img decoding=\"async\" src=\"https:\/\/v21.skladchik.org\/attachments\/2025-02-17_12-42-20-png.1101343\/\" class=\"bbCodeImage LbImage\" alt=\"2025-02-17_12-42-20.png\" \/> \t\t  <\/p>\n<p> <b>\u0412 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f:<\/b> <\/p>\n<ul>\n<li>\u0423\u0437\u043d\u0430\u0435\u0442\u0435 \u0438\u043b\u0438 \u043f\u043e\u0432\u0442\u043e\u0440\u0438\u0442\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u043e\u0432 \u0438 \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e\u0441\u0442\u0438 NLP-\u0434\u043e\u043c\u0435\u043d\u0430<\/li>\n<li>\u041d\u0430\u0443\u0447\u0438\u0442\u0435\u0441\u044c \u0443\u0441\u043a\u043e\u0440\u044f\u0442\u044c \u0438 \u0434\u0435\u043f\u043b\u043e\u0438\u0442\u044c LLM<\/li>\n<li>\u0423\u0437\u043d\u0430\u0435\u0442\u0435, \u043a\u0430\u043a \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e \u0442\u044e\u043d\u0438\u0442\u044c \u0441\u0432\u043e\u0438 \u043c\u043e\u0434\u0435\u043b\u0438<\/li>\n<li>\u041e\u0441\u0432\u043e\u0438\u0442\u0435 \u0444\u0440\u0435\u0439\u043c\u0432\u043e\u0440\u043a\u0438 \u0434\u043b\u044f \u0440\u0435\u0448\u0435\u043d\u0438\u044f LLM-\u0437\u0430\u0434\u0430\u0447: RAG, Agents, Tools, Function Calling \u0438 \u0434\u0440.<\/li>\n<li>\u041d\u0430\u0443\u0447\u0438\u0442\u0435\u0441\u044c \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0441 \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u044b\u043c\u0438 LLM \u0438 \u0432\u044b\u0431\u0438\u0440\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u043e\u0434 \u043f\u0440\u043e\u0435\u043a\u0442<\/li>\n<\/ul>\n<p><b>\u041a\u0443\u0440\u0441 \u0434\u043b\u044f \u0442\u0435\u0445, \u043a\u0442\u043e \u043f\u043b\u0430\u043d\u0438\u0440\u0443\u0435\u0442 \u0438\u043b\u0438 \u0443\u0436\u0435 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0441 LLM<\/b> <\/p>\n<ul>\n<li>DL-\u0438\u043d\u0436\u0435\u043d\u0435\u0440\u044b \u0441 \u043e\u043f\u044b\u0442\u043e\u043c \u0432 LLM<br \/> \u0417\u0430\u043a\u0440\u043e\u0435\u0442\u0435 \u043f\u0440\u043e\u0431\u0435\u043b\u044b \u0432 \u0437\u043d\u0430\u043d\u0438\u044f\u0445, \u043d\u0430\u0431\u0435\u0440\u0435\u0442\u0435\u0441\u044c \u0441\u043e\u0432\u0435\u0442\u043e\u0432 \u0438 \u0443\u043b\u0443\u0447\u0448\u0438\u0442\u0435 \u043f\u0440\u043e\u0435\u043a\u0442\u044b<\/li>\n<\/ul>\n<ul>\n<li>ML\/CV-\u0438\u043d\u0436\u0435\u043d\u0435\u0440\u044b \u0431\u0435\u0437 \u043e\u043f\u044b\u0442\u0430 \u0432 LLM<br \/> \u0420\u0430\u0437\u0431\u0435\u0440\u0435\u0442\u0435\u0441\u044c \u0432 \u0442\u0435\u043e\u0440\u0438\u0438, \u043e\u0442\u0442\u043e\u0447\u0438\u0442\u0435 \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0443, \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u043e \u0438 \u0431\u0435\u0437 \u0432\u043e\u0434\u044b<\/li>\n<\/ul>\n<ul>\n<li>Python-\u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u0438<br \/> \u0421 \u043d\u0443\u043b\u044f \u043f\u043e\u0437\u043d\u0430\u043a\u043e\u043c\u0438\u0442\u0435\u0441\u044c \u0441 NLP \u0438 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u0430\u043c\u0438 \u0434\u043b\u044f \u0440\u0430\u0431\u043e\u0442\u044b \u0441 LLM<\/li>\n<\/ul>\n<p><b>\u041f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0430 \u043a\u0443\u0440\u0441\u0430:<\/b><\/p>\n<p> 01. \u0412\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u0432 NLP. \u041a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u043f\u043e\u0434\u0445\u043e\u0434\u044b \u0438 RNN <\/p>\n<ul>\n<li>\u041e\u0441\u043e\u0431\u0435\u043d\u043d\u043e\u0441\u0442\u0438 \u0434\u043e\u043c\u0435\u043d\u0430<\/li>\n<li>\u0412\u0438\u0434\u044b NLP-\u0437\u0430\u0434\u0430\u0447<\/li>\n<li>\u041c\u043e\u0434\u0435\u043b\u0438 \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u043f\u043e\u0434\u0441\u0447\u0435\u0442\u043e\u0432<\/li>\n<li>\u0414\u0438\u0441\u0442\u0440\u0438\u0431\u0443\u0442\u0438\u0432\u043d\u0430\u044f \u0433\u0438\u043f\u043e\u0442\u0435\u0437\u0430<\/li>\n<li>\u042d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438<\/li>\n<li>\u0420\u0435\u043a\u0443\u0440\u0440\u0435\u043d\u0442\u043d\u044b\u0435 \u0441\u0435\u0442\u0438<\/li>\n<li>Token classification<\/li>\n<\/ul>\n<p>02. \u0412\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u0432 NLP. Seq2Seq \u0438 \u0422\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u044b <\/p>\n<ul>\n<li>Seq-to-seq<\/li>\n<li>Attention<\/li>\n<li>\u0422\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440<\/li>\n<li>BERT<\/li>\n<li>\u041f\u043e\u0447\u0435\u043c\u0443 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u044b \u043f\u043e\u0431\u0435\u0434\u0438\u043b\u0438<\/li>\n<li>T5<\/li>\n<\/ul>\n<p>03. \u041e\u0441\u043d\u043e\u0432\u044b LLM. \u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u0430 <\/p>\n<ul>\n<li>LSTM \u0438\u043c\u043f\u043b\u0435\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u0438<\/li>\n<li>\u041f\u043e\u043b\u043d\u044b\u0439 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440<\/li>\n<li>\u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 GPT<\/li>\n<li>\u042d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438<\/li>\n<li>Attention<\/li>\n<li>\u041d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438<\/li>\n<li>Superposition<\/li>\n<\/ul>\n<p>04. \u041e\u0441\u043d\u043e\u0432\u044b LLM. \u041c\u043e\u0434\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u043e\u0432 <\/p>\n<ul>\n<li>Attentions (sliding, streaming, group query)<\/li>\n<li>Embeddings (ROPE, ALIBI, NOPE)<\/li>\n<li>Knowledge fusion<\/li>\n<li>Circuits and W-compositions<\/li>\n<li>LLM Surgery<\/li>\n<\/ul>\n<p>05. \u0414\u043e\u0441\u0442\u0443\u043f\u043d\u044b\u0435 LLMs <\/p>\n<ul>\n<li>\u041e\u0431\u0437\u043e\u0440 \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u0445 \u0438\u0433\u0440\u043e\u043a\u043e\u0432 \u0438\u043d\u0434\u0443\u0441\u0442\u0440\u0438\u0438<\/li>\n<li>Open source LLM \u0438 \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u044b<\/li>\n<li>\u041e\u0442\u043a\u0440\u044b\u0442\u044b\u0435 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0438 \u0438 \u0430\u0440\u0435\u043d\u044b<\/li>\n<li>\u0421\u0435\u0440\u0432\u0438\u0441\u044b \u0434\u043b\u044f \u0441\u0435\u0440\u0432\u0438\u043d\u0433\u0430 LLM<\/li>\n<li>\u041a\u0430\u043a \u0432\u044b\u0431\u0440\u0430\u0442\u044c LLM \u0434\u043b\u044f \u0441\u0432\u043e\u0435\u0439 \u0437\u0430\u0434\u0430\u0447\u0438 \u0438 \u043d\u0443\u0436\u043d\u0430 \u043b\u0438 \u043e\u043d\u0430 \u0432\u043e\u043e\u0431\u0449\u0435<\/li>\n<\/ul>\n<p>06. Prompt Engineering <\/p>\n<ul>\n<li>Instruct LLM<\/li>\n<li>\u0427\u0442\u043e \u0442\u0430\u043a\u043e\u0435 \u043f\u0440\u043e\u043c\u043f\u0442 \u0438 \u043f\u043e\u0447\u0435\u043c\u0443 \u044d\u0442\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442, zero shot learning<\/li>\n<li>\u041f\u0440\u0438\u043c\u0435\u0440\u044b \u043f\u0440\u043e\u043c\u043f\u0442\u043e\u0432 \u043a \u0440\u0430\u0437\u043d\u044b\u043c \u043c\u043e\u0434\u0435\u043b\u044f\u043c<\/li>\n<li>\u041f\u0440\u043e\u043c\u043f\u0442\u044b \u0432 LangChain<\/li>\n<li>\u0424\u043e\u0440\u043c\u0430\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 \u043e\u0442\u0432\u0435\u0442<\/li>\n<li>\u0418\u0437\u0432\u043b\u0435\u0447\u0435\u043d\u0438\u0435 \u043e\u0442\u0432\u0435\u0442\u0430 \u0438\u0437 \u043f\u0440\u043e\u043c\u043f\u0442\u0430<\/li>\n<li>Few Shot learning<\/li>\n<li>\u0411\u043e\u0440\u044c\u0431\u0430 \u0441 \u0433\u0430\u043b\u043b\u044e\u0446\u0438\u043d\u0430\u0446\u0438\u0435\u0439<\/li>\n<li>Tips and tricks<\/li>\n<li>\u041f\u0440\u0438\u043c\u0435\u0440\u044b<\/li>\n<li>Function calling<\/li>\n<li>\u0417\u0430\u0449\u0438\u0442\u0430 \u043e\u0442 \u0438\u043d\u044a\u0435\u043a\u0446\u0438\u0439<\/li>\n<\/ul>\n<p>07. Tools and Agents <\/p>\n<ul>\n<li>Function call \/ Tools<\/li>\n<li>Structured output<\/li>\n<li>\u041f\u0440\u0438\u043c\u0435\u0440\u044b \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0435\u0432<\/li>\n<li>LLM Agents<\/li>\n<li>ReAct<\/li>\n<\/ul>\n<p>08. Fine-tuning <\/p>\n<ul>\n<li>\u0423\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u043f\u0430\u043c\u044f\u0442\u044c\u044e \u0438 \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u044c\u044e \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u0439<\/li>\n<li>Multi-GPU, Multi-Host training, FSDP\/ZeRO<\/li>\n<li>\u041e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u044f \u0438 \u043a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0438\u044f<\/li>\n<li>\u041b\u0435\u0433\u043a\u043e\u0432\u0435\u0441\u043d\u044b\u0435 \u0434\u043e\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0430\u0434\u0430\u043f\u0442\u0435\u0440\u043e\u0432<\/li>\n<li>\u0424\u0440\u0435\u0439\u043c\u0432\u043e\u0440\u043a\u0438 \u0438 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u044b<\/li>\n<\/ul>\n<p>9. Alignment <\/p>\n<ul>\n<li>\u041c\u043e\u0442\u0438\u0432\u0430\u0446\u0438\u044f: safety, robustness, predictability<\/li>\n<li>\u041e\u0431\u0437\u043e\u0440 \u043f\u043e\u0434\u0445\u043e\u0434\u043e\u0432: RLHF, RLAIF, Reward Hacking (Overoptimization), DPO, KTO<\/li>\n<li>TRL \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0430 \u0434\u043b\u044f \u0434\u043e\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f<\/li>\n<li>Less Is More for Allignment<\/li>\n<li>\u0418\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u0438 \u0434\u0430\u043d\u043d\u044b\u0445: User feedback, Crowdsourcing, Synthetic<\/li>\n<\/ul>\n<p>10. RAG <\/p>\n<ul>\n<li>\u0427\u0442\u043e \u0442\u0430\u043a\u043e\u0435 RAG<\/li>\n<li>\u0412\u0435\u043a\u0442\u043e\u0440\u043d\u044b\u0439 \u043f\u043e\u0438\u0441\u043a<\/li>\n<li>\u0412\u0435\u043a\u0442\u043e\u0440\u043d\u044b\u0435 \u0411\u0414<\/li>\n<li>\u041f\u043e\u043b\u043d\u043e\u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0439 \u043f\u043e\u0438\u0441\u043a<\/li>\n<li>\u041f\u0440\u043e\u0431\u043b\u0435\u043c\u044b \u043f\u043e\u0438\u0441\u043a\u0430<\/li>\n<li>\u041e\u0446\u0435\u043d\u043a\u0430 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430<\/li>\n<li>\u041f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0441\u043e\u0432\u0435\u0442\u044b<\/li>\n<\/ul>\n<p>11. \u0414\u0435\u043f\u043b\u043e\u0439 <\/p>\n<ul>\n<li>\u0421\u0445\u0435\u043c\u044b \u0434\u0435\u043f\u043b\u043e\u044f<\/li>\n<li>\u0424\u0440\u0435\u0439\u043c\u0432\u043e\u0440\u043a\u0438 \u0434\u043b\u044f \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430: torch.compile, onnx, trtllm, vllm, tgi, lmdeploy<\/li>\n<li>\u0420\u0430\u0437\u0431\u043e\u0440 \u043f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432 \u0444\u0440\u0435\u0439\u043c\u0432\u043e\u0440\u043a\u043e\u0432<\/li>\n<li>\u0422\u0435\u0445\u043d\u0438\u043a\u0438 \u0443\u0441\u043a\u043e\u0440\u0435\u043d\u0438\u044f \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430<\/li>\n<li>\u041c\u043e\u043d\u0438\u0442\u043e\u0440\u0438\u043d\u0433\u0438<\/li>\n<\/ul>\n<p>12. \u0423\u0441\u043a\u043e\u0440\u0435\u043d\u0438\u0435 LLM <\/p>\n<ul>\n<li>Flash attention<\/li>\n<li>\u041a\u0432\u0430\u043d\u0442\u0438\u0437\u0430\u0446\u0438\u0438 bitsandbytes<\/li>\n<li>\u0420\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0435 \u043c\u0435\u0442\u043e\u0434\u044b \u043a\u0432\u0430\u043d\u0442\u043e\u0432\u0430\u043d\u0438\u044f<\/li>\n<li>Speculative decoding<\/li>\n<li>Sparse Matrix multiplication (\u0441\u0442\u0430\u0442\u044c\u0438 SpQR \u0438 butterfly \u043e\u0442 Tri Dao)<\/li>\n<li>\u0418\u043d\u0438\u0446\u0438\u0430\u0442\u0438\u0432\u0430 LocalLlama (gguf)<\/li>\n<li>\u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u044b\u0435 \u0440\u0435\u0448\u0435\u043d\u0438\u044f: MoE, medusa, \u0438 multitoken prediction<\/li>\n<\/ul>\n<p>13. Multimodal models <\/p>\n<ul>\n<li>\u0417\u0430\u0434\u0430\u0447\u0438 \u043c\u0443\u043b\u044c\u0442\u0438\u043c\u043e\u0434\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u0434\u043e\u043c\u0435\u043d\u0430<\/li>\n<li>\u041c\u0435\u0442\u0440\u0438\u043a\u0438<\/li>\n<li>CLIP<\/li>\n<li>LLaVA<\/li>\n<\/ul>\n<p>\u0422\u0430\u0440\u0438\u0444 \u041e\u0441\u043d\u043e\u0432\u044b + LLM <\/p>\n<ul>\n<li>9 \u043b\u0435\u043a\u0446\u0438\u0439 \u043f\u0440\u043e LLM<\/li>\n<li>4 \u043b\u0435\u043a\u0446\u0438\u0438 \u043e\u0441\u043d\u043e\u0432 NPL \u0438 LLM<\/li>\n<li>13 \u043f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0437\u0430\u0434\u0430\u043d\u0438\u0439<\/li>\n<li>\u041f\u0440\u043e\u0432\u0435\u0440\u043a\u0430 \u0437\u0430\u0434\u0430\u043d\u0438\u0439 \u043e\u0442 \u0441\u043f\u0438\u043a\u0435\u0440\u043e\u0432<\/li>\n<li>\u0421\u0435\u043c\u0438\u043d\u0430\u0440\u044b \u0441\u043e \u0441\u043f\u0438\u043a\u0435\u0440\u0430\u043c\u0438<\/li>\n<li>\u041f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0430 \u0432 \u0447\u0430\u0442\u0435<\/li>\n<\/ul>\n<p>\u0426\u0435\u043d\u0430 119000 \u0440\u0443\u0431.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u0421\u043a\u043b\u0430\u0434\u0447\u0438\u043d\u0430: Large Language Models [\u0422\u0430\u0440\u0438\u0444 \u041e\u0441\u043d\u043e\u0432\u044b + LLM] [\u0418\u043b\u044c\u044f \u0414\u0438\u043c\u043e\u0432, \u0410\u0440\u0442\u0443\u0440 \u041f\u0430\u043d\u044e\u043a\u043e\u0432, \u0414\u043c\u0438\u0442\u0440\u0438\u0439 \u041a\u0430\u043b\u0430\u0448\u043d\u0438\u043a\u043e\u0432] \u0412 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f: \u0423\u0437\u043d\u0430\u0435\u0442\u0435 \u0438\u043b\u0438 \u043f\u043e\u0432\u0442\u043e\u0440\u0438\u0442\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u043e\u0432 \u0438 \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e\u0441\u0442\u0438 NLP-\u0434\u043e\u043c\u0435\u043d\u0430 \u041d\u0430\u0443\u0447\u0438\u0442\u0435\u0441\u044c \u0443\u0441\u043a\u043e\u0440\u044f\u0442\u044c \u0438 \u0434\u0435\u043f\u043b\u043e\u0438\u0442\u044c LLM \u0423\u0437\u043d\u0430\u0435\u0442\u0435, \u043a\u0430\u043a \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e \u0442\u044e\u043d\u0438\u0442\u044c \u0441\u0432\u043e\u0438 \u043c\u043e\u0434\u0435\u043b\u0438 \u041e\u0441\u0432\u043e\u0438\u0442\u0435 \u0444\u0440\u0435\u0439\u043c\u0432\u043e\u0440\u043a\u0438 \u0434\u043b\u044f \u0440\u0435\u0448\u0435\u043d\u0438\u044f LLM-\u0437\u0430\u0434\u0430\u0447: RAG, Agents, Tools, Function Calling \u0438 \u0434\u0440. \u041d\u0430\u0443\u0447\u0438\u0442\u0435\u0441\u044c \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0441 \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u044b\u043c\u0438 LLM \u0438 \u0432\u044b\u0431\u0438\u0440\u0430\u0442\u044c [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2],"tags":[],"class_list":["post-30237","post","type-post","status-publish","format-standard","hentry","category-rss"],"_links":{"self":[{"href":"https:\/\/rss.eground-zerkalo.com\/index.php?rest_route=\/wp\/v2\/posts\/30237","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/rss.eground-zerkalo.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/rss.eground-zerkalo.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/rss.eground-zerkalo.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/rss.eground-zerkalo.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=30237"}],"version-history":[{"count":0,"href":"https:\/\/rss.eground-zerkalo.com\/index.php?rest_route=\/wp\/v2\/posts\/30237\/revisions"}],"wp:attachment":[{"href":"https:\/\/rss.eground-zerkalo.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=30237"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rss.eground-zerkalo.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=30237"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rss.eground-zerkalo.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=30237"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}