# модели Published articles for модели. This is one page of public article previews, not the complete archive. Follow Next page to continue. Summaries are not the original full articles. ## How Yandex Tracker reduced its MongoDB cluster count from 70 to 7 DevFeed: [How Yandex Tracker reduced its MongoDB cluster count from 70 to 7]() Original publisher: [Read original article]() Author: onurimanov (Яндекс) Published: 2026-09-02T07:00:24Z Content type: article Language: ru Sources: [Яндекс - Как мы делаем Яндекс / Статьи]() Topics: [MongoDB](), [базы данных](), [яндекс]() Tags: [architecture](), [migration](), [mongodb](), [tag-1cd610c0e518](), [tag-39f0c170b680](), [tag-4004cf5948d3](), [tag-5335b6f99fba](), [tag-56a552acf7d0](), [tag-622612a5798e](), [tag-68e701e78517](), [tag-89f0c6f39f5d](), [tag-9d8cf70dc46c](), [tag-d189f87ebb8f]() ### AI overview A technical article describes how Yandex Tracker changed its data-storage architecture from one database per organization to a model using fewer backend clusters. The change reduced the number of backend clusters from 70 to 7 and cut resource consumption by half, while addressing operational complexity and MongoDB collection limits. ### Source excerpt Разворачивать новый кластер базы данных каждую неделю -- так себе удовольствие, особенно когда обслуживание десятков кластеров съедает время дежурных. Когда кластеров стало много, локальные аномалии стало сложнее замечать на общих дашбордах. С этой проблемой мы столкнулись в Яндекс Трекере: за год количество активных организаций и кластеров выросло вдвое, а нагрузка на сервис поднялась всего на 13%. Получилось парадоксально: потребление ресурсов и сложность эксплуатации росли вместе с числом организаций, хотя реальная нагрузка увеличивалась значительно медленнее. 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 ## 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 ## 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 ## Сравнение AI-систем для глубокого анализа данных и исследований DevFeed: [Сравнение AI-систем для глубокого анализа данных и исследований]() Original publisher: [Read original article]() Author: kekslop (red\_mad\_robot) Published: 2025-03-18T12:40:03Z Content type: comparison Language: ru Sources: [Redmadrobot EN](), [Redmadrobot RU]() Topics: [Artificial Intelligence](), [Large Language Model](), [Retrieval Augmented Generation (RAG)](), [Langgraph](), [vllm](), [OpenAI](), [Claude]() Tags: [ai](), [ai-6560afdd46fd](), [deepresearch](), [langgraph](), [llm](), [openai](), [rag](), [research](), [sast](), [structured-output](), [tag-1cd610c0e518](), [tag-5e27d5297aca](), [tag-8e9a901cca08](), [tag-baf5012a40ff](), [vllm]() ### AI overview The article compares OpenAI, Grok, Perplexity, and the author's NDT Deep Research system on five analytical tasks, including financial-market analysis, technology research, and identifying promising AI startups. NDT Deep Research uses LangGraph, Tavily, multiple language models, Structured Output, vLLM, retrieval-augmented generation, and source analysis. The author reports that system changes reduced generation costs threefold and latency by 40%. ### Source excerpt Как я сравнил топовые AI-модели для глубокого анализа данных и собственную разработку Привет! Меня зовут Валера Ковальский, я CEO NDT by red_mad_robot. Недавно я протестировал ведущие AI-системы, которые способны проводить глубокие исследования, и делюсь с вами результатами. Читать далее ## Автоматическая многоязычная модерация сообщений для миллионов пользователей DevFeed: [Автоматическая многоязычная модерация сообщений для миллионов пользователей]() Original publisher: [Read original article]() Author: punkerpunker (Badoo) Published: 2022-02-01T10:50:28Z Content type: article Language: ru Sources: [Badoo EN](), [Badoo RU]() Topics: [Artificial Intelligence](), [Natural language processing](), [Large Language Model]() Tags: [ai](), [badoo](), [bert](), [data-science](), [gpt](), [gpt-3](), [natural-language-processing](), [nlp](), [tag-055aee430837](), [tag-13e2af703774](), [tag-1cd610c0e518](), [tag-5cb789e9aaa3](), [tag-9d8cf70dc46c](), [tag-e69b694e3ce2]() ### AI overview The article describes Badoo and Bumble's Rude Message Detector, a machine-learning system for multilingual moderation of rude messages. It discusses the system's architecture, deployment infrastructure, implementation challenges, and results, including the use of transformer-based architectures and large language models such as BERT, GPT-2, and GPT-3. ### Source excerpt Как мы все знаем, слова обладают силой. Ими можно вдохновить людей, но можно и навредить. Мы в Badoo и Bumble стараемся оградить пользователей от неприятных ситуаций, поэтому внедрили инструмент Rude Message Detector. Это многоязычный детектор грубых высказываний, работающий на основе машинного обучения. В этой статье мы расскажем о технических особенностях нашего решения, сложностях, с которыми столкнулись в ходе реализации проекта, и его результатах. Читать далее