# Redmadrobot EN 332 статьи от авторов компании red\_mad\_robot This is one page of public article previews, not the complete archive. Follow Next page to continue. Summaries are not the original full articles. ## Agent Driven SDLC: как меняется разработка в эпоху ИИ DevFeed: [Agent Driven SDLC: как меняется разработка в эпоху ИИ]() Original publisher: [Read original article]() Author: Welltraum (Selectel, red\_mad\_robot) Published: 2026-07-03T09:27:57Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [sdlc](), [Artificial Intelligence](), [cursor](), [MCP]() Tags: [agent](), [ai](), [cursor](), [mcp](), [ml-de586e9a18ae](), [red-mad-robot](), [sdlc](), [selectel](), [tag-7c29fef020e9](), [tag-86b843454893](), [tag-e076f05a03bb]() ### AI overview The article examines how software development life cycles change when AI assistants and agents are introduced. It argues that an AI tool alone is insufficient for predictable, high-quality results: teams must configure the tool, understand its context and MCP capabilities, use structured approaches such as Plan-Act or SDD, and train engineers over time. ### Source excerpt Еще примерно год назад нам обещали, что разработка с приходом AI ускорится в 10 раз. Однако все понимают, что прогнозируемого роста за это время не произошло. Почему -- сейчас попробуем разобраться. Привет, Хабр! Я Влад Шевченко, CTO по AI в red_mad_robot. Сегодня поговорим об анатомии AI-агентов, критериях готовности компании к работе с ними и кризисе жизненного цикла разработки ПО, а также ответим на вопрос, почему нельзя просто написать запрос агенту и ждать результата. Мы в компании взаимодействуем с искусственным интеллектом уже достаточно давно, и в данный момент занимаемся трансформацией бизнеса: смотрим, что меняется в клиентах, где-то помогаем, а где-то учимся у них. Я разделил SDLC на два подхода. Начнем с разработки классических систем без искусственного интеллекта, но с применением его как помощника. Читать далее ## Harness Bench: как оценить агентский harness и выбрать связку с моделью DevFeed: [Harness Bench: как оценить агентский harness и выбрать связку с моделью]() Original publisher: [Read original article]() Author: andrivasg (red\_mad\_robot) Published: 2026-06-30T11:30:03Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Artificial Intelligence]() Tags: [agent-harness](), [ai](), [ai-e2239b5ae8fa](), [ai-evaluation](), [benchmark](), [harness](), [llm](), [mcp]() ### AI overview The article introduces Harness Bench, an open framework for evaluating model-and-harness combinations on real tasks under consistent conditions. It explains why an agent harness affects an AI system's practical capabilities, discusses problems in open-source harnesses that disrupt automated evaluation, and describes how existing benchmarks can be used for reproducible testing. ### Source excerpt Привет! Я Андрей Иванов, NLP-исследователь в R&D-лаборатории red_mad_robot. Когда мы собираем AI-агента, первым делом выбираем модель под задачу. Но в реальном приложении она не работает в одиночку, ей нужен агентский harness -- программная обвязка. Поэтому выбирать приходится не просто модель, а связку "модель + harness". Чтобы делать этот выбор осознанно, мы создали Harness Bench -- открытый фреймворк, который тестирует связки на реальных задачах в одинаковых условиях. В статье расскажу, как он устроен, разберу баги опенсорсных обвязок, которые ломают автоматический прогон, а потом покажу на цифрах, как смена harness влияет на способности одной и той же модели. Читать далее ## DCD: доменно-ориентированная архитектура для построения RAG-систем DevFeed: [DCD: доменно-ориентированная архитектура для построения RAG-систем]() Original publisher: [Read original article]() Author: redmadrobot (red\_mad\_robot) Published: 2026-06-18T09:42:21Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Retrieval Augmented Generation (RAG)]() Tags: [collection](), [domain](), [genai](), [llm](), [nlp](), [rag](), [tag-1cd610c0e518](), [tag-68e701e78517](), [tag-7bc388df28ed](), [tag-d89cae10e887]() ### AI overview The article introduces DCD (Domain-Collection-Document), a hierarchical architecture for organizing knowledge and processing queries in RAG systems. It describes domain-based search restriction, multi-stage routing, structured model outputs, smart chunking, hybrid search, and validation mechanisms intended to improve retrieval and generation quality in heterogeneous document collections. ### Source excerpt Привет! Это Роботы. Недавно мы выпустили статью на arXiv, где представили архитектурный подход DCD (Domain-Collection-Document) для структурирования пространства знаний и обработки запросов в RAG-системах. Мы провели подробные эксперименты, оценили работу подхода на собственном бенчмарке и показали, как он влияет на качество поиска и генерации в сравнении с другими подобными методами. А теперь хотим здесь рассказать о ключевых идеях, лежащих в основе DCD Design. Читать далее ## Эволюция данных: генетический алгоритм в задаче классификации текстов DevFeed: [Эволюция данных: генетический алгоритм в задаче классификации текстов]() Original publisher: [Read original article]() Author: evgeneration (red\_mad\_robot) Published: 2026-04-23T19:05:42Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Natural language processing](), [Large Language Model]() Tags: [ai](), [evolution](), [llm](), [ml](), [nlp](), [prompt](), [tag-1cd610c0e518](), [tag-1f12060c781a](), [tag-2d1b71a8786f](), [tag-7bc388df28ed](), [tag-9bf5e01ce62e](), [tag-9d8cf70dc46c]() ### AI overview The article describes using a genetic algorithm to evolve prompts that generate training data for text-classification models. The approach was motivated by poor results from synthetic datasets and manual prompt iteration, with prompt fitness evaluated by classifier performance on a fixed test set. ### Source excerpt Привет! Меня зовут Женя Андриевская. Я -- NLP-инженер в лаборатории R&D red_mad_robot. Сегодня расскажу, как мы призвали на помощь эволюцию, чтобы улучшить качество данных в задачах классификации текстов. Да-да, ту самую эволюцию, с мутациями и скрещиваниями -- только в мире данных, промптов и LLM. Читать далее ## Как маскировать персональные данные на изображениях: наш эксперимент с OCR и NER DevFeed: [Как маскировать персональные данные на изображениях: наш эксперимент с OCR и NER]() Original publisher: [Read original article]() Author: andrivasg (red\_mad\_robot) Published: 2026-03-17T15:55:37Z Content type: tutorial Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Natural language processing](), [pii]() Tags: [ai](), [computer-vision](), [llm](), [ner](), [nlp](), [ocr](), [pii](), [red-mad-robot](), [rnd](), [tag-601fbc7112a4](), [tag-7bc388df28ed](), [tag-9bf5e01ce62e](), [tag-b92bf5906bbd](), [tag-ef0b1bf200df]() ### AI overview The article describes red_mad_robot's experiment using OCR combined with a NER model to detect and selectively mask personally identifiable information in images without training specialized visual detectors. On a dataset of 40 annotated images, the pipeline masked 90% of personal data while falsely masking 14% of text polygons; performance declined on difficult real-world photographs. ### Source excerpt Всем привет! Меня зовут Андрей Иванов, я NLP-исследователь в R&D red_mad_robot. Мы разрабатываем систему Guardrails для защиты персональных данных (PII) и фильтрации небезопасного контента. В этой статье расскажу, как мы решали задачу точечного маскирования PII на картинках без обучения специальных визуальных детекторов. Разберём связку оптического распознавания символов (OCR) с NER-моделью, покажем метрики на реальных данных, раскроем ограничения подхода и наши решения для их преодоления. Читать далее ## Прогноз AI на 2026 год: давление инфраструктуры и рост агентных систем DevFeed: [Прогноз AI на 2026 год: давление инфраструктуры и рост агентных систем]() Original publisher: [Read original article]() Author: redmadrobot (red\_mad\_robot) Published: 2026-01-29T15:56:25Z Content type: opinion Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Artificial Intelligence](), [Large Language Model](), [Retrieval Augmented Generation (RAG)]() Tags: [2026](), [ai](), [ai-ml](), [llm](), [llm-12323b29df45](), [llm-2bcc9c6ba7f7](), [opensourse](), [rag](), [red-mad-robot](), [tag-9f85ffbe4115](), [tag-de346e330e7e](), [tag-e75d8ba74bc8]() ### AI overview The article presents predictions about AI development in 2026, arguing that value will shift from larger foundation-model pretraining toward post-training, fine-tuning, and integration with tools, data sources, and orchestration rules. It discusses agentic architectures, the need for more reliable task execution, and the practical role of RAG systems. ### Source excerpt В конце прошлого года обсудили с Head of R&D red_mad_robot Валерой Ковальским, как будет развиваться AI в 2026 году. В статье делимся его прогнозами и разбираем, какие изменения уже формируют индустрию и какие станут критичными в ближайшие годы -- с точки зрения инженерии, масштабирования и реального применения в продуктах. Дополнительный контекст и комментарии дал Саша Абрамов -- AI-визионер, руководитель AI/ML-команд и автор Dealer.AI. Читать далее ## Как мы сделали гибридный AI-поиск по смыслу книг: двухконтурная архитектура и семантическое ранжирование DevFeed: [Как мы сделали гибридный AI-поиск по смыслу книг: двухконтурная архитектура и семантическое ранжирование]() Original publisher: [Read original article]() Author: redmadrobot (red\_mad\_robot) Published: 2026-01-21T15:59:35Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Artificial Intelligence](), [Large Language Model]() Tags: [ai](), [ai-bd672f15c6b7](), [llm](), [red-mad-robot](), [tag-56f89eb50742](), [tag-61cd5a476b1d](), [tag-68e701e78517](), [tag-8e9a901cca08](), [tag-d3924b22da16](), [tag-d89cae10e887](), [tag-e75d8ba74bc8](), [tag-fff30f70f2f8]() ### AI overview This article describes how red_mad_robot and the beeline Books service developed a hybrid AI search system for finding books by meaning and context rather than exact keywords. The system vectorized metadata for more than 500,000 books, used an LLM and a vector database, and was designed to match free-form queries such as requests based on mood or themes. ### Source excerpt Всем привет! Меня зовут Яна Чеканова, я проджект-менеджер в red_mad_robot уже два года -- и да, я не технарь, а филолог по образованию. Парадоксально, но именно это образование помогло мне в одном из самых технологичных проектов -- создании AI-поиска для сервиса книги билайн. Идея родилась у команды билайна: они провели исследование и поняли, что большинство читателей не ищут конкретного автора или название, а ориентируются на настроение и ощущение от книги -- "что-то атмосферное", "что-то как любимый роман". Так появилась гипотеза: сделать поиск, который понимает смысл запроса, а не только ключевые слова. Мы подключились, чтобы превратить эту идею в технологию: векторизовали метаданные полумиллиона книг, обучили LLM и собрали гибридную систему, которая подбирает литературу по смыслу и контексту -- даже если запрос звучит просто как "что-нибудь про путешествия во времени". Рассказываю, как это было. Читать далее ## MCP Tool Registry: автоматизированное создание систем RAG DevFeed: [MCP Tool Registry: автоматизированное создание систем RAG]() Original publisher: [Read original article]() Author: maksimov\_m (red\_mad\_robot) Published: 2025-12-30T16:07:23Z Content type: tutorial Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Model Context Protocol](), [Retrieval Augmented Generation (RAG)](), [Large Language Model](), [Natural language processing](), [Artificial Intelligence](), [Tool]() Tags: [ai](), [llm](), [mcp](), [model-context-protocol](), [nlp](), [rag](), [tag-41e9f0e0da78](), [tag-68e701e78517](), [tag-db2a5a2010aa](), [tag-ebcf3e175cd3](), [tool](), [workflows]() ### AI overview This Russian-language developer article presents MCP Tool Registry, a central registry for managing MCP servers used to build Retrieval Augmented Generation systems. It explains how RAG and Model Context Protocol address LLM limitations around context and access to external tools and data, and describes registry-based orchestration of multi-step workflows across multiple servers. ### Source excerpt Всем привет! Меня зовут Максим Максимов, я -- NLP-инженер в AI R&D лаборатории в red_mad_robot. Мы работаем с прикладными AI-системами, проводим эксперименты и проверяем архитектурные подходы в реальных сценариях. Современные AI-архитектуры всё чаще выносят прикладную логику за пределы LLM -- в инструменты, внешние источники данных и правила их оркестрации. Модель выступает вычислительным ядром, а ценность формируется на уровне системы вокруг неё. Из этого подхода в R&D-лаборатории вырос MCP Tool Registry -- центральный реестр для управления системой серверов, необходимых для построения RAG. В этой статье я подробно расскажу, из каких частей состоит MCP Tool Registry, как он работает и покажу его применение на практическом примере. Читать далее ## How red\_mad\_robot integrated Daisy's AI layer into Beeline's "план б." platform DevFeed: [How red\_mad\_robot integrated Daisy's AI layer into Beeline's "план б." platform]() Original publisher: [Read original article]() Author: redmadrobot (red\_mad\_robot) Published: 2025-12-18T11:43:04Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Artificial Intelligence](), [User experience (UX)](), [Large Language Model]() Tags: [agentic](), [ai](), [genai](), [llm](), [llm-12323b29df45](), [red-mad-robot](), [telegram](), [ux]() ### AI overview The article describes red_mad_robot's 2025 partnership with Beeline and the creation of an AI layer for the "план б." platform using the Agentic-First Daisy solution. It discusses integrating AI capabilities into an existing digital ecosystem and user experience rather than requiring a separate service. ### Source excerpt В 2025 году AI окончательно вышел за рамки экспериментальных функций и стал инфраструктурным слоем цифровых продуктов. Он всё чаще определяет не отдельные возможности, а логику развития экосистем, скорость запуска новых продуктов и качество пользовательского опыта. Именно в этом контексте в 2025 году red_mad_robot и Билайн заключили стратегическое партнёрство. Мы развиваем сразу несколько направлений -- от AI-сервисов до клиентских продуктов, где технологии усиливают ежедневный UX. Одним из первых шагов стало создание полноценного AI-слоя для платформы Билайна "план б." на базе Agentic-First решения Daisy. Рассказываем, как мы подошли к проектированию AI-функциональности, какие решения легли в основу архитектуры и что получилось на практике. Читать далее ## Qwen3Guard: следующий шаг в модерации и контроле контента DevFeed: [Qwen3Guard: следующий шаг в модерации и контроле контента]() Original publisher: [Read original article]() Author: Martianov (red\_mad\_robot) Published: 2025-11-28T15:10:54Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Artificial Intelligence](), [Large Language Model](), [GPU]() Tags: [ai](), [bert](), [gpu](), [llm](), [qwen3](), [rnd](), [tag-75a722387627](), [tag-75dea8ea04f0](), [tag-a6ed1cca9b15]() ### AI overview The article discusses building content moderation for open-text services. It compares using an LLM as a moderator with an embedding-based classifier trained on 40,000 labeled query examples, reporting latency of about 20 ms per request instead of 700-900 ms, while noting that the simpler model struggles with context, irony, hints, and jailbreaks. ### Source excerpt Всем привет! Меня зовут Миша Мартьянов, я инженер по исследованиям и разработке в лаборатории AI R&D в red_mad_robot. В мои задачи входит проверка гипотез и развитие наших продуктов. Однако недостаточно просто улучшать продукты, необходимо также чтобы они работали устойчиво и безопасно. Ранее я рассказывал разработку идеального контент-фильтра на базе Guardrails. Но время не стоит на месте: появляются новые модели и новые практики их применения. Этому и будет посвящён наш сегодняшний разговор. Читать далее ## Контроль против гибкости: два подхода к созданию AI-агентов DevFeed: [Контроль против гибкости: два подхода к созданию AI-агентов]() Original publisher: [Read original article]() Author: Mentalitet (red\_mad\_robot) Published: 2025-11-14T17:15:42Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Artificial Intelligence](), [Large Language Model](), [AI Development](), [Natural language processing](), [Langgraph](), [SDKs](), [OpenAI](), [cursor]() Tags: [agent](), [agents](), [ai](), [cursor](), [development](), [development-kit](), [langgraph](), [llm](), [llm-05dacf5e57d9](), [llm-12323b29df45](), [nlp](), [openai](), [red-mad-robot](), [sdk](), [software-development](), [tag-1605473766c5](), [tag-61cd5a476b1d](), [tag-68e701e78517](), [tag-93edcb27480f](), [tag-b0a411324cb6](), [tag-dd24610a6838]() ### AI overview The article compares code-first and graph-first approaches to building multi-agent systems. It describes how LLMs coordinate tools and other agents, including ReAct, handoff, agent-as-tool, and group-chat patterns, drawing on the author's development experience and documentation from OpenAI and LangGraph. ### Source excerpt Привет! Меня зовут Женя Орлов, я руковожу NLP-разработкой в red_mad_robot. Мы экспериментируем с мультиагентными системами и изучаем, как LLM ведут себя в разных архитектурах. В процессе накопилось много наблюдений и рабочих инсайтов -- хочу поделиться тем, что помогает нам при проектировании AI-агентов. В последнее время внимание инженеров и исследователей привлекают агентные архитектуры -- системы, где LLM координирует работу внутренних инструментов и других моделей. Разберём два основных подхода к построению агентных систем. Читать далее ## Schema-Guided Reasoning: как научить языковые модели последовательно рассуждать DevFeed: [Schema-Guided Reasoning: как научить языковые модели последовательно рассуждать]() Original publisher: [Read original article]() Author: redmadrobot (red\_mad\_robot) Published: 2025-10-31T16:31:44Z Content type: tutorial Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Large Language Model](), [Structured-data](), [Artificial Intelligence](), [JSON](), [Pydantic]() Tags: [function-calling](), [json](), [llm](), [reasoning](), [schema](), [scheme](), [sgr](), [structured-output](), [tag-1cd610c0e518](), [tag-5335b6f99fba](), [tag-b0a411324cb6]() ### AI overview This tutorial explains Schema-Guided Reasoning (SGR), an approach that guides large language models through predefined schemas. It describes how structured output, Pydantic models, JSON schemas, and constrained decoding can make model responses more consistent, transparent, and easier to test, while noting that SGR is not a universal solution. ### Source excerpt LLM умеют многое: генерировать тексты, анализировать документы, писать код. Но на практике их работа часто непредсказуема -- сегодня модель даёт точный ответ, а завтра на тех же данных ошибается, пропускает ключевые шаги или придумывает факты. Для AI-инженеров это системная проблема. Возьмём автоматизацию документооборота: нужно классифицировать договоры, извлекать реквизиты, проверять стандарты. Но модель работает как лотерея -- результат не поддаётся логике или меняется при повторном запуске с одинаковыми данными. Как встроить такой результат в бизнес-процесс? Для решения этой задачи появился подход Schema-Guided Reasoning (SGR). Его активно продвигает Ринат Абдуллин в материалах по работе с LLM. Идея проста и эффективна: заставить модель мыслить не хаотично, а внутри заданной схемы. Это не панацея, но SGR серьёзно снижает количество ошибок, делает процесс прозрачнее, а также позволяет тестировать отдельные компоненты рассуждений. Читать далее ## AI Agents and Multi-Agent Systems: A Practical Case for Analyzing and Fixing Code Vulnerabilities DevFeed: [AI Agents and Multi-Agent Systems: A Practical Case for Analyzing and Fixing Code Vulnerabilities]() Original publisher: [Read original article]() Author: redmadrobot (red\_mad\_robot) Published: 2025-10-16T15:18:12Z Content type: tutorial Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Artificial Intelligence](), [Natural language processing](), [Large Language Model]() Tags: [agents](), [ai](), [ai-agents](), [graph](), [llm](), [nlp](), [sast](), [systems](), [tag-1605473766c5](), [tag-4d5248fd6bfe](), [workflow]() ### AI overview The article explains the defining characteristics and autonomy levels of AI agents, focusing on workflow agents and multi-agent systems. It presents a practical case involving a multi-agent environment for automatically analyzing and fixing code vulnerabilities. ### Source excerpt Привет! Меня зовут Егор Козлов, я работаю NLP-инженером в red_mad_robot. Мы активно внедряем в бизнес AI-агентов -- автономных и полуавтономных программных сущностей, которые самостоятельно выполняют задачи и принимают решения в интересах бизнеса. В статье расскажу о принципах работы AI-агентов -- с особым вниманием к workflow-агентам и мультиагентным системам (MAS). И поделюсь практическим кейсом внедрения мультиагентной среды для автоматического анализа и исправления уязвимостей в коде. Читать далее ## Baidu и AI Search Paradigm: мультиагентная структура для интеллектуального поиска информации DevFeed: [Baidu и AI Search Paradigm: мультиагентная структура для интеллектуального поиска информации]() Original publisher: [Read original article]() Author: redmadrobot (red\_mad\_robot) Published: 2025-10-14T18:36:48Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [AI search](), [Artificial Intelligence](), [Large Language Model](), [information retrieval](), [Retrieval Augmented Generation (RAG)]() Tags: [ai](), [ai-search](), [executor](), [information-retrieval](), [llm](), [rag](), [search](), [tag-d89cae10e887](), [tag-e1c0c11ccefc]() ### AI overview The article analyzes Baidu's AI Search Paradigm, a proposed multi-agent architecture for intelligent search built on large language models. It explains how specialized agents coordinate planning, tool use, execution, and answer writing, and contrasts this approach with classical information retrieval, semantic search, learning-to-rank, and RAG systems. ### Source excerpt Аналитический центр red_mad_robot продолжает разбирать ключевые исследования в сфере интеллектуальных систем и генеративного поиска. На этот раз рассказываем про архитектуру AI Search Paradigm от Baidu -- новой системы интеллектуального поиска, построенной на LLM и мультиагентных методах. Читать далее ## Detecting hallucinations in RAG systems with circuit tracing and attribution graphs DevFeed: [Detecting hallucinations in RAG systems with circuit tracing and attribution graphs]() Original publisher: [Read original article]() Author: IrinaKoshkina (red\_mad\_robot) Published: 2025-09-26T18:30:09Z Content type: tutorial Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Large Language Model](), [Retrieval Augmented Generation (RAG)](), [Natural language processing](), [anthropic]() Tags: [anthropic](), [circuit](), [llm](), [nlp](), [rag](), [red-mad-robot](), [tag-0444141ce356](), [tag-3f4d1152a2b4](), [tag-73f5f2c76797](), [tag-b6914c0b0244](), [tag-d27a0708d400](), [tracing](), [transcoder]() ### AI overview The article explains an approach to detecting hallucinations in retrieval-augmented generation systems by examining model computation graphs with Anthropic's framework, cross-layer transcoders, and attribution graphs. It presents an implementation for analyzing Qwen2.5-7B and reports 85% detection accuracy on a test dataset for a simple implementation. ### Source excerpt Всем привет! Меня зовут Ирина, я NLP-инженер в red_mad_robot, занимаюсь научными исследованиями интерпретируемости LLM и анализом механизмов внутренних вычислений моделей, чтобы применять полученные результаты на практике. Например, сегодня хочу рассказать, как мы подошли к решению задачи детекции галлюцинаций LLM в RAG системах со стороны исследования графов размышлений модели -- с помощью интересного фреймворка от Anthropic. В статье поговорим, как использовать cross-layer transcoders и атрибуционные графы для детекции галлюцинаций в RAG системах. Рассмотрим пример реализации детектора на графах для анализа модели Qwen2.5-7B и практические примеры использования. Спойлер: на простой реализации получили точность детекции 85% на тестовом датасете. Читать далее ## Рынок цифровых AI-Компаньонов: эволюция, метрики и инсайты DevFeed: [Рынок цифровых AI-Компаньонов: эволюция, метрики и инсайты]() Original publisher: [Read original article]() Author: kquintaessentia (red\_mad\_robot) Published: 2025-09-12T16:27:18Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Artificial Intelligence](), [Chai]() Tags: [ai](), [ai-e0e2d4b0978c](), [emotional-intelligence](), [mobile](), [red-mad-robot](), [tag-1cd610c0e518](), [tag-2d1b71a8786f](), [tag-4c52442cea97](), [tag-86b843454893](), [tag-b92bf5906bbd]() ### AI overview The article examines the emerging market for AI companions, defining them as virtual conversational partners focused on emotional closeness rather than utility. It compares them with assistants, digital twins, and chatbots, and discusses empathy, user retention, business models, monetization, market activity, and selected company metrics. ### Source excerpt Привет! Это Лиза Скрыль, продакт-менеджер в NDT by red_mad_robot. Мы исследовали рынок AI-компаньонов и хотим поделиться инсайтами о том, как формируется эта новая потребительская категория. Читать далее ## Все LLM в одном окне: как мы сделали AI-сервис Daisy DevFeed: [Все LLM в одном окне: как мы сделали AI-сервис Daisy]() Original publisher: [Read original article]() Author: redmadrobot (red\_mad\_robot) Published: 2025-08-27T16:20:22Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Artificial Intelligence](), [Large Language Model](), [genai](), [User experience (UX)](), [API]() Tags: [ai](), [api](), [chatgpt](), [claude](), [deepseek](), [gemini](), [genai](), [llm](), [tag-1605473766c5](), [ux]() ### AI overview This article describes Daisy, an AI service that provides access to multiple large language models in one interface. It explains the service's modular architecture, content filtering, document recognition, image generation, semantic search, and planned AI-agent and routing capabilities. ### Source excerpt Знакомьтесь, Daisy -- наш сервис для быстрого доступа ко всем передовым LLM. Он вырос из инициативы друзей, которым хотелось разобраться, какие пользовательские сценарии работают в GenAI и как сделать удобный AI-based UX. Начав с внутреннего исследования, мы открыли доступ к сервису для внешнего мира и увидели, что им начали активно пользоваться. За полгода у Daisy -- 300 тыс. пользователей, 5 тыс. DAU и более 3,5 млн обращений к моделям. Рассказываем, как мы пошли дальше простого доступа к LLM через API -- и сделали полноценный AI-сервис со своим подходом к архитектуре и взаимодействию с пользователями. Читать далее ## Sakana AI's AB-MCTS methods extend inference-time scaling for language models DevFeed: [Sakana AI's AB-MCTS methods extend inference-time scaling for language models]() Original publisher: [Read original article]() Author: redmadrobot (red\_mad\_robot) Published: 2025-08-01T12:48:06Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Inference](), [Large Language Model](), [Artificial Intelligence]() Tags: [ab-mcts](), [ai](), [inference](), [llm](), [monte-carlo-tree-search](), [reasoning](), [reinforcement-learning](), [sakana](), [thompson-sampling]() ### AI overview The article examines Sakana AI's Adaptive Branching MCTS (AB-MCTS) and Multi-LLM AB-MCTS methods for improving language-model reasoning during inference. AB-MCTS combines iterative refinement with alternative-solution generation, while the Multi-LLM version uses several language models. ### Source excerpt Аналитический центр red_mad_robot продолжает разбирать исследования японской лаборатории Sakana AI -- в прошлый раз это была архитектура CTM, вдохновлённая внутренней динамикой человеческого мышления. Теперь -- метод, который помогает языковым моделям мыслить точнее уже на этапе выполнения запроса. В работе представлены два подхода: AB-MCTS и его расширение Multi-LLM AB-MCTS. Первый объединяет два принципа -- уточнение уже готовых ответов и генерацию альтернативных, второй добавляет работу нескольких языковых моделей. Всё это чтобы научить модели "думать" одновременно глубже и шире. Читать далее ## От мозга к мультиагентным системам: как устроены Foundation Agents нового поколения DevFeed: [От мозга к мультиагентным системам: как устроены Foundation Agents нового поколения]() Original publisher: [Read original article]() Author: redmadrobot (red\_mad\_robot) Published: 2025-07-24T21:44:07Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Artificial Intelligence](), [Large Language Model]() Tags: [agents](), [ai](), [alignment](), [deep-learning](), [jailbreak](), [large-language-models](), [llm](), [machine-learning](), [multi-agent-systems](), [prompt-engineering](), [prompt-injection](), [rag](), [reasoning](), [reinforcement-learning](), [safety](), [tag-b0a411324cb6](), [tag-b6914c0b0244]() ### AI overview This Russian-language analytical article explains the concept of Foundation Agents based on the research paper "Advances and Challenges in Foundation Agents." It discusses brain-inspired agent architecture, cognition, learning, reasoning, memory, world models, rewards, perception, action, self-improvement, multi-agent collaboration, and agent safety issues including jailbreaks, prompt injection, hallucinations, misalignment, poisoning attacks, and privacy. ### Source excerpt Аналитический центр red_mad_robot разобрал объёмную научную статью "Advances and Challenges in Foundation Agents" от группы исследователей AI из передовых международных университетов и технологических компаний. Работа предлагает новый взгляд на текущее состояние и развитие "интеллектуальных агентов", которые могут адаптироваться к множеству задач и контекстов. Рассказываем, какие идеи лежат в основе Foundation Agents, с какими проблемами предстоит столкнуться, и что ждёт нас в будущем. Читать далее ## Собственный контент-фильтр на базе LLM: от эксперимента до стабильной системы DevFeed: [Собственный контент-фильтр на базе LLM: от эксперимента до стабильной системы]() Original publisher: [Read original article]() Author: Martianov (red\_mad\_robot) Published: 2025-06-27T15:23:17Z Content type: tutorial Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Large Language Model](), [Artificial Intelligence](), [llama]() Tags: [ai](), [false-positive](), [few-shot](), [few-shot-learning](), [filter](), [llama](), [llm](), [tag-6faff4be08e9](), [tag-b6293b9d443d]() ### AI overview The article describes how red_mad_robot developed a proprietary LLM-based content filter for AI services. It explains why heuristic methods such as regular expressions and keyword filters produced false positives and were easy to bypass, and outlines the use of real anonymized user queries and a structured model prompt to improve moderation. ### Source excerpt Привет! Меня зовут Миша Мартьянов, я инженер по исследованиям и разработке в red_mad_robot. Моя работа -- искать новые идеи, проверять гипотезы и улучшать продукты. На этом пути иногда приходится изобретать уникальные решения. Например, мы создали собственный фильтр, чтобы отсеивать нежелательный контент с помощью LLM. Рассказываю, как мы к этому пришли и с какими сложностями столкнулись. Читать далее ## Continuous Thought Machine: Sakana AI's experimental architecture for time-based neural computation DevFeed: [Continuous Thought Machine: Sakana AI's experimental architecture for time-based neural computation]() Original publisher: [Read original article]() Author: redmadrobot (red\_mad\_robot) Published: 2025-06-06T16:44:09Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Artificial Intelligence](), [Machine learning]() Tags: [ai](), [architecture](), [cifar-10](), [ctm](), [cv](), [lstm](), [machine](), [ml](), [nlm](), [rl](), [sakana](), [sakanaai](), [tag-13e2af703774](), [tag-68e701e78517]() ### AI overview The article examines Sakana AI's experimental Continuous Thought Machine (CTM), an architecture that makes internal temporal dynamics and neural synchronization central to computation. It describes iterative reasoning through internal states and ticks, while noting that the model is resource-intensive, unstable without careful tuning, and not intended to replace transformers. ### Source excerpt Аналитический центр red_mad_robot продолжает следить за архитектурными прорывами в мире AI. В этот раз -- экспериментальная модель от команды Sakana AI, которая предлагает мыслить не в терминах слоёв, а в терминах времени. Их Continuous Thought Machine (CTM) -- попытка встроить в нейросеть внутреннюю динамику, вдохновлённую человеческим мозгом. Разбираем, как устроена архитектура, что такое "внутренние тики" и зачем нейросети синхронизировать собственные мысли -- на примерах из CV, сортировки, Q&A и RL. Читать далее ## Открываем Konfeature, нашу open-source библиотеку для удобной работы с Feature Flags DevFeed: [Открываем Konfeature, нашу open-source библиотеку для удобной работы с Feature Flags]() Original publisher: [Read original article]() Author: Aleksandr\_Tabolin (red\_mad\_robot) Published: 2025-05-22T16:05:55Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [feature flags](), [Android](), [Open Source](), [Firebase](), [CI/CD](), [huawei]() Tags: [android](), [api](), [ci-cd](), [feature-flags](), [firebase](), [firebase-remote-config](), [huawei](), [kotlin](), [open-source](), [open-source-2c559c37c4ca](), [tag-3383f6fe7741]() ### AI overview A red_mad_robot Android developer introduces Konfeature, an open-source library for working with feature flags. The article describes feature-flag benefits and outlines requirements including remote and local-only flags, multiple remote configuration sources, detailed logging, runtime overrides, and modularity support. ### Source excerpt Привет! Это Саша Таболин -- старший android-разработчик в red_mad_robot. Мы создали открытую библиотеку Konfeature для оптимизации работы с Feature Flags и хотим поделиться нашей разработкой. Читать далее ## Топовые работы на ICLR 2025 DevFeed: [Топовые работы на ICLR 2025]() Original publisher: [Read original article]() Author: redmadrobot (red\_mad\_robot) Published: 2025-05-20T17:20:00Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Large Language Model](), [Language models](), [Machine Intelligence](), [Learning](), [Jailbreak]() Tags: [2025](), [ai](), [alignment](), [china](), [conference](), [dpo](), [iclr](), [language-models](), [llm](), [ml](), [safety](), [science](), [tag-fa773991fb10](), [university]() ### AI overview This Russian-language article reviews highly rated papers from ICLR 2025 on artificial intelligence and machine learning. It discusses deepening safety alignment to improve resistance to jailbreak attacks, findings about SFT and DPO fine-tuning dynamics, and AlphaEdit, a method for targeted knowledge editing in large language models. ### Source excerpt Аналитический центр red_mad_robot продолжает обозревать топовые технологические конференции. В этот раз подготовили для вас инсайты с прошедшей в Сингапуре International Conference on Learning Representations (ICLR), посвящённой искусственному интеллекту и машинному обучению. На ICLR 2025 из более 3 тыс. работ наивысшие оценки получили 36 статей, из которых три были отмечены как "outstanding papers". Разберём выдающиеся, достойные упоминания и получившие высокие оценки работы этого года. Читать далее ## From Naive RAG to Workflow-Based AI Agent Systems for Complex Business Queries DevFeed: [From Naive RAG to Workflow-Based AI Agent Systems for Complex Business Queries]() Original publisher: [Read original article]() Author: kekslop (red\_mad\_robot) Published: 2025-04-29T16:38:14Z Content type: article Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Retrieval Augmented Generation (RAG)](), [Artificial Intelligence](), [Large Language Model]() Tags: [agent](), [ai](), [ai-e2239b5ae8fa](), [embedding](), [llm](), [naive-rag](), [rag](), [tag-1305b88ffdd2](), [tag-9f85ffbe4115](), [tag-bce9e1df16b6](), [workflow]() ### AI overview The article discusses limitations of traditional LLM and Naive RAG systems for complex technical and business queries. It describes using router agents, domain splitting, and query expansion to make AI-agent systems more flexible. ### Source excerpt Привет! На связи Валера Ковальский -- руководитель направления искусственного интеллекта в red_mad_robot. В работе с AI-инфраструктурой мы постоянно тестируем различные подходы, чтобы создавать решения с реальной бизнес-ценностью. В этой статье расскажу, как мы решаем задачи при внедрении AI-агентских систем: от классического RAG до сложных мультиагентных решений. Также поделюсь, с какими проблемами сталкиваемся при работе с большими данными -- и как находим эффективные пути их решения. Читать далее [Next page]()