Normal view
-
The Guardian
- ‘It’s been a whirlwind’: the Essex lawyer who quit her job and became voice of Netflix’s hit show Spike
‘It’s been a whirlwind’: the Essex lawyer who quit her job and became voice of Netflix’s hit show Spike
Emily McGonagle was watching cartoons with her sons when she decided to embark on a career change. A decade on, she is a star of a globally popular children’s series
Emily McGonagle was on maternity leave from her job as a lawyer, juggling the care of her new baby and her toddler son, when the daily diet of TV cartoons made her think about an unlikely career change.
Watching Peppa Pig and Paw Patrol, her older son’s favourites, “it occurred to me: who does this job?”, says the 42-year-old from Essex. “How do you get into it? Even when I was watching TV commercials, I’d think: well, how do you do that?”
Continue reading...
© Photograph: Graeme Robertson/The Guardian

© Photograph: Graeme Robertson/The Guardian

© Photograph: Graeme Robertson/The Guardian
-
NYT > Top Stories
- Atlanta’s Mayor Walked Away After Covid Chaos. Will Voters Make Her Georgia’s Governor?
Atlanta’s Mayor Walked Away After Covid Chaos. Will Voters Make Her Georgia’s Governor?

© Brynn Anderson/Associated Press
На каком языке ИИ-агенту искать по своей памяти: SQL или SPARQL?
Память агентов в тренде с того момента как они появились, чтобы бороться с галюцинациями и давать ответы и решения LLM на собственной информации. Как лучше запрашивать информацию из таблиц или из графа часто решается на вере, начитавшись постов в интернет без своих экспериментов и измерений. В исследовании Sequeda и соавторов GPT-4 отвечал на вопросы по корпоративной SQL базе верно в 16% случаев, а по графу знаний поверх этой же базы в 54%, где у графа была онтология с описанием, а у SQL схемы только DDL типы и названия таблиц/колонок.
В моем GraphRAG одна и та же информация представлена в двух разных формах. Данные из статьи “Мой PostgreSQL быстрее твоего и почти догнал ClickHouse” извлек в 34 таблицы PostgreSQL, а в граф это превратил с помощью отображения R2RML. Подключил обе формы представления знаний к агенту по MCP и задал ему 15 вопросов о статье: через SQL, через SPARQL и дал еще выбор агенту из двух этих видов сразу. В моем эксперименте агент по очереди запускался на трех LLM с открытыми весами. Их можно развернуть на своей инфраструктуре или ноутбуке и данные и вопросы не уйдут провайдеру в логи или агрегатору между вами и LLM.
Таже я проверил и рассчитал что лучше для векторного хранения и семантического поиска: lance или pgvector. Поделюсь своими измерениями на современных моделях как лучше искать и в чем хранить знания.
Обнаружил в эксперименте как DeepSeek придумал SQL-инъекцию чтобы ответить на мой вопрос.
Читать далееCould ‘You Can See Everything’ Be Up for Best Picture but Not Documentary?
Can Marissa Mayer, Yahoo’s Former CEO, Help Fix A.I.’s Gender Problem?

© Kelsey McClellan for The New York Times