AI Россия
AI Россия · корпоративные бенчмарки и практика внедрения
Команда Сбера продолжает расширять 1C Code Bench — специализированный бенчмарк для проверки качества кода, который генерируют LLM для платформы 1С. Проект показывает, как крупные компании переводят разговор об AI в измеримые метрики и прикладную проверку.
Habr Сбер →Сбер представил внутренний подход к тестированию AI-агентов для GraphRAG-системы: от архитектуры и надёжности до интеграции с Airflow. Такой контур позволяет быстрее проверять гипотезы и снижает риск ошибок при изменении промптов, контекста и внешних интеграций.
Habr Сбер →В компании выстроили единый контур автоматизации тестирования на базе Perfeccionista-framework, RAG и MCP-сервера для работы с LLM. Решение должно уменьшить хаос из разрозненных фреймворков и сделать AI-поддержку тестирования управляемой.
Habr Сбер →Проект 1C Code Bench получил развитие спустя несколько месяцев после запуска: команда расширяет набор задач и дорабатывает методику проверки. Для рынка это важный сигнал о том, что качество AI-кода начинают измерять не по демо, а по воспроизводимому бенчмарку.
Habr Сбер →Yandex Open Source распределил гранты между проектами, связанными с базами данных и инструментами для AI-экосистем. Поддержка инфраструктурных решений важна не меньше, чем сами модели: именно она формирует слой для обучения, поиска и развёртывания.
Habr Яндекс →На VK Cloud Conf 2026 компания продемонстрировала практические сценарии для наблюдаемости и диагностики в облаке, включая мониторинг ошибок на толстом клиенте. Для AI-команд такие инструменты критичны: без них не удержать стабильность сложных продуктовых контуров.
Habr AI →Автор разобрал, как перестроил крупный проект, чтобы AI-агенты не размывали архитектуру и не ломали критичные участки кода. Акцент сделан на жёстких правилах через линтеры и CI вместо надежды на инструкции в документации.
Habr AI →Эксперимент показал, что даже при хорошем покрытии тестами AI-агент может оставлять уязвимые места в коде. Мутационное тестирование выявило, что часть проверок лишь исполняет код, но не защищает от регрессий.
Habr AI →Появился self-hosted GraphRAG-проект с учётом ролей, изоляции документов и настройкой промптов под разные подразделения. Для корпоративного рынка это практичный шаг: AI-системы всё чаще проектируются под доступ, а не только под поиск.
Habr NLP →The Atlantic сообщил о доказательствах использования миллионов музыкальных записей, защищённых авторским правом, при обучении нейросетей. История усиливает давление на AI-компании в вопросах лицензий, согласия правообладателей и прозрачности датасетов.
3DNews →