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…
В статье представлено многоязычное расширение SWE-Bench от команды Doubletapp — бенчмарка для оценки больших языковых моделей (LLM) на реальных задачах программной инженерии, на различных языках программирования и кодовых базах индустрии. О процессе сбора SWE-Bench мы уже рассказывали в…
Сегодня, 13 августа DeepSeek выложил DeepSeek Harness v0.1 в Developer Preview. Открытый код, MIT, пакет @deepseek-ai/dsh в npm, запуск в одну строку.Нюхаем, что вообще такое harness, какие виды его бывают и пытаемся разобраться зачем он нужен. Выбрать свой молоток
Моей веб-студии уже 4 года. За это время я прошёл путь от «вау, я бизнесмен» до разочарования и примирения с суровой реальностью.Хочу поделиться опытом с теми, кто тоже мечтает открыть агентский бизнес. Вы узнаете, какие ошибки я сделал, что из этого вынес — и почему до сих пор всё не бросил, хотя иногда очень хочется. Читать далее