Привет! Меня зовут Ася, я работаю руководителем сектора исследований пользовательского опыта в Navio — мы разрабатываем технологию автономного вождения для разных платформ: от легковых автомобилей и пассажирского транспорта до магистральных грузовиков.

У вас может возникнуть вопрос: зачем исследовать пользовательский опыт в продукте, цель которого — обеспечить движение без участия человека за рулём?

Но не все так просто.

Чтобы автоматизировать работу водителя, для начала нужно разобраться, из чего она состоит. Понять, как опытный водитель действует в тех или иных ситуациях, как оценивает риски, реагирует, на что в первую очередь обращает внимание, а также определить, какие еще функции он выполняет во время поездки.

Несколько лет назад мы провели исследование работы водителей грузовиков. Эта идея возникла благодаря другой, более локальной задаче — улучшения интерфейса планшета водителя-испытателя. В итоге результаты исследования помогли команде разработки дополнить и уточнить требования к нашему ИИ-водителю.

В этой статье я расскажу о том, как мы к этому пришли.

Привет, Хабр! Меня зовут Анастасия, я руководитель направления ИТ-комплаенса в РГС. Перед каждым циклом планирования мне нужно разбирать и оценивать сотни задач, чтобы определить, какие из них требуют внимания в первую очередь. На это обычно уходила целая рабочая неделя, и я решила поискать способ упростить этот процесс, чтобы освободить время для более сложной экспертной работы. В итоге мне удалось автоматизировать часть рутины с помощью ИИ, и в этой статье я как раз хочу поделится, как, не имея бюджета на разработку и навыков программирования, я сократила время разбора задач с пяти рабочих дней до двух.

Давайте сразу. Вайбучение — это когда нет паузы между получением и применением знаний. Система подготовки к жизни без вертикальной передачи знаний, базирующаяся на инициирующих событиях.

Это не «Образование 5.0» или какой ещё ярлык пытаются налепить на попытку его реанимировать. Нам не нужно каким-то образом сделать образование лучше. Нам нужно отказаться от него полностью. И если вы хоть как-то с ним связаны, то это самый полезный текст, который можете сейчас прочитать.

Продолжаем обзор GISDAYS. 2 октября состоялся третий, бизнес-день форума. В его фокусе были прикладные сценарии защиты бизнеса: от риск-менеджмента до реагирования на инциденты. Также участники обсудили поиск решений для защиты государства, бизнеса и критической инфраструктуры от уязвимостей, утечек данных, шифровальщиков и других угроз.

В предыдущей части мы начали рассказывать вам, как проходил бизнес-день мероприятия, а сегодня завершим его обзор и представим другие не менее интересные выступления экспертов (любое из заинтересовавших вы можете просмотреть целиком).

В этой части мы создаем базовый корпус текстов для дистилляции представлений учителя. За основу общей скмантики возьмем дамп Википедии и добавим к нему доменные тексты (психология, психиатрия, психотерапия). Парсим тексты и формируем корпус, немного приводим текст в порядок (устраняем самые явные проблемы).

Spotify позволяет объяснить музыкальные предпочтения словами. Разбираем возможности Taste Profile, ограничения бета-теста и проверки, которые стоит пройти до оплаты Premium.

Проблема согласования (alignment problem) — обеспечение соответствия целей искусственного интеллекта человеческим ценностям — обычно рассматривается как инженерная задача: «как построить систему, которая не будет нарушать наши цели». В данной работе обосновывается более сильное утверждение: для систем, превосходящих человека в когнитивных способностях, согласование логически невозможно в том смысле, что не существует механизма, созданного человеком, который гарантирует согласование. Любое ограничение является отсрочкой, а не решением.

Spotify позволяет объяснить музыкальные предпочтения словами. Разбираем возможности Taste Profile, ограничения бета-теста и проверки, которые стоит пройти до оплаты Premium.

Просмотр слоев моделей, первые "пристрелочные" тесты для определения общего направления работы и выбор базовой модели для дистилляции. Эта часть довольно простая и короткая, но содержит некоторые важные наблюдения.

Два из трех API-вызовов возвращали HTTP 500. Агенты поколениями лепили заплатки поверх заплаток, пока код не превратился в клубок нейросоплей.

Вместо очередного исправления я перенес систему в чистый контур, где агент пишет новую реализацию, не видя старой.

В статье механизм переноса, 15 правил защиты от новых костылей и эксперимент на 36 запусках DeepSeek: насколько поведение агента зависит от того, какой код и какие правила ему показывают.

Открывая СисАдмин 2026, Егор Бугаенко пообещал залу, что через пять лет половина присутствующих станет инструкторами по йоге, поварами и владельцами кофеен, а людям просто запретят заходить в консоль. Через полчаса на ту же сцену вышел Максим Парицкий из банка ПСБ и рассказал, как его команда своими силами перевела десятки тысяч рабочих мест на Astra Linux. Первая фраза его доклада: «Рановато там еще искусственный интеллект применять».

Кто из них прав? Мы прослушали все 26 докладов конференции для системных администраторов и собрали главное: что на самом деле происходит с ИИ и импортозамещением, куда движется управление рабочими местами и как меняется профессия сисадмина. По нескольким вопросам зал так и не договорился. Предлагаем продолжить в комментариях.

Обычно стек для RAG‑систем и AI‑агентов строится вокруг облачных API (OpenAI, Anthropic) и управляемых векторных баз. Но для ряда задач критически важна полная автономность: устойчивость к санкциям и независимость от внешних провайдеров.

В этой статье я расскажу, как спроектировал и собрал аналитическую систему, которая за две недели работы агрегировала более 12 000 новостей: от сбора RSS‑лент до умного агента, который сам вызывает инструменты. Мы пройдем путь от архитектуры до граблей, на которые я наступил.

Стек: Python 3.12, FastAPI, PostgreSQL + pgvector, Celery, LangGraph, Ollama (Qwen 2.5 14B, BGE‑M3), Streamlit, Langfuse, Docker.

СИБУР планирует наращивать экспорт, в том числе в Китай, Вьетнам и арабские страны.

Что это значит: больше обращений на почте от зарубежных клиентов — с фотографиями изделий, PDF во вложениях и длинными цепочками переписки. 

Раньше этим занимались люди: прежде чем передать задачу специалисту, они анализировали, кто пишет, что хочет произвести и какая помощь ему нужна. Теперь всё это предстояло разбирать ещё и на разных языках.

Поэтому мы решили собрать ИИ-помощника: пусть сам читает переписку и собирает отчёты. Но кое-что пошло не так.