Поиск.
Найдено: 0 моделей и 20 материалов
Материалы
Что такое контекстное окно нейросети простыми словами и почему ответы «забываются»
Объясняем, что модель учитывает в диалоге, почему длинные чаты теряют детали и как сохранить важный контекст без лишней воды.
Как поделиться блокнотом NotebookLM и не открыть лишние источники
Как настроить доступ к блокноту NotebookLM, проверить видимость материалов и безопасно поделиться результатом с коллегой или учеником.
Как создать блокнот в NotebookLM и правильно добавить источники
Пошагово создаём блокнот NotebookLM, добавляем документы и ссылки, задаём вопросы с цитатами и поддерживаем базу источников в порядке.
Как запустить Groq Batch API: подготовка JSONL и проверка результатов
Пакетная обработка Groq: custom_id, POST, url, body, загрузка JSONL, окно выполнения и сверка каждой строки без потери заявок.
Как уменьшить карту признаков через Flax NNX max_pool
Flax 0.12.10: max_pool для NHWC, окно 2×2, stride 2, VALID padding и точная проверка максимумов.
Как сохранить историю диалога LangChain по thread_id
InMemorySaver, одинаковый thread_id для продолжения и отдельный ID для другого пользователя без смешивания бесед.
Как использовать embeddings GigaChat для поиска похожих текстов
Embeddings GigaChat: вектор из 1024 координат, окно 512 токенов, косинусное сходство, чанкинг и проверка качества поиска.
Как находить источники через NotebookLM и отсеивать слабые материалы
Разбираем поиск источников в NotebookLM: как сузить тему, оценить найденные страницы и не заполнить блокнот случайными пересказами.
Как считать токены Claude до отправки запроса и не превышать контекст
Использование Token Counting API Claude: предварительная оценка запроса, резерв под ответ и контроль сложных блоков.
Как усреднить окна через Flax NNX avg_pool
Flax 0.12.10: average pooling окнами 2×2 со stride 2 и VALID padding, точная проверка значений и формы NHWC.
Как выбрать минимумы окон через Flax NNX min_pool
Flax 0.12.10: min_pool по окнам 2×2, stride 2, VALID padding и точная проверка минимумов карты признаков.
Как не потерять конец текста при truncation и padding в Transformers
max_length, truncation и padding для пары сообщений: проверяем, что юридически важная оговорка не исчезает до вызова модели.
Как найти очередь запросов vLLM по метрикам /metrics
Разделяем очередь и генерацию через метрики ожидающих запросов и времени ожидания; строим контрольный замер.
Как собрать метрики llama.cpp server через /metrics без ложных выводов
Включаем --metrics, читаем счётчики токенов и занятые запросы, отделяем throughput от задержки пользователя.
Как сохранить историю AI-чата в браузере через Gradio save_history
Проверяем save_history в двух вкладках и объясняем границы локального хранения диалога и приватности.
Как рассчитать Precision@K для контекста RAG
Считаем долю релевантных document_id в первых K результатах RAG и фиксируем правило для короткой выдачи.
Как проверить путь к файлу из AI-ответа перед чтением
Проверяем путь от AI через pathlib.Path.resolve и is_relative_to перед доступом к файловому инструменту.
Как посчитать Recall@K для поиска документов RAG
Проверяем Recall@K по эталонным document_id: один, несколько и ни одного найденного документа в top-K.
Как обнаружить перестановку релевантного RAG-документа между версиями
Сопоставляем позицию эталонного document_id в старой и новой выдаче по query_id и отмечаем падение ниже top-K.
Как хранить chunks для RAG в Vespa с проверяемыми source_id
Схема chunk-документов, parent ID, versioned embeddings, готовый prompt и тест цитат по исходным фрагментам.