Как американский финансовый гигант автоматизировал разработку чат-ботов на Amazon Lex
Principal Financial Group автоматизировала разработку чат-ботов на Amazon Lex v2, сократив время создания на 80% и стандартизировав процессы развертывания.
-
-
Шесть путей развития ИИ после тупика больших языковых моделей
Эксперты выделили шесть альтернативных путей развития ИИ после признания ограничений больших языковых моделей. Инвестиции в генеративный ИИ могут перераспределиться в новые направления.
-
Manus 1.5 представляет новое поколение AI-агентов для веб-разработки
Manus 1.5 представляет обновленную систему AI-агентов с четырехкратным ускорением выполнения задач и возможностью создания полноценных веб-приложений через диалог.
-
ACE предотвращает коллапс контекста в LLM с помощью эволюционирующих инструкций
Новый фреймворк ACE от Stanford и SambaNova решает проблему коллапса контекста в ИИ-агентах, обеспечивая их самосовершенствование через эволюционирующие инструкции.
-
IBM запускает три новых ИИ-агента для автоматизации бизнес-процессов с Oracle
IBM выпустила три новых ИИ-агента для автоматизации бизнес-процессов в Oracle Fusion Applications, включая межкомпанейские операции и управление заказами.
-
7-Eleven создала AI-ассистента для маркетинга на базе LangGraph и Mosaic AI
7-Eleven разработала собственный генеративный ИИ-ассистент для маркетинга на базе Databricks Mosaic AI и LangGraph, сократив время создания кампаний с дней до минут.
-
Edmunds создает мультиагентную ИИ-экосистему на платформе Databricks
Edmunds представила мультиагентную ИИ-экосистему на платформе Databricks, демонстрируя переход от работы с данными к созданию интеллектуальной системы с иерархией специализированных агентов.
-
90% проектов в ИИ застревают на стадии прототипа из-за проблем с надежностью
90% проектов ИИ не выходят за рамки прототипа из-за проблем с надежностью. CEO OpenPipe объясняет, как обучение с подкреплением может решить эту проблему.
-
MCP Gateway как решение проблемы контекстного загрязнения в AI-агентах
Как команда Writer решает проблему контекстного загрязнения в AI-агентах через автоматизацию создания MCP-инструментов и переход от сотен API к двум интеллектуальным инструментам.
-
Databricks сокращает стоимость тестирования ИИ-агентов на 95%
Databricks переходит на токенную модель ценообразования для оценки ИИ-агентов в MLflow, обещая снижение затрат на 95% и открывая исходный код промптов для специализированных областей.
