#датасеты

И исследования ·18 июл 2026

Я записал всё, что узнал об LLM — и выложил в открытый доступ

Разработчик создал структурированный open-source репозиторий с 37 главами, объясняющими работу больших языковых моделей от первых принципов. Материал охватывает путь от сырого текста до инференса, включает рабочий mini-transformer с настоящим обучением, гайды по подготовке датасетов и объяснения системных аспектов — всё с акцентом на понимание, а не просто использование API.

0 86
И инструменты ·17 июл 2026

EU AI Act OpenRAG: база из 933 юридических чанков европейского AI-регламента для RAG-систем

Разработчик выложил структурированный датасет европейского AI Act (Regulation EU 2024/1689) — 933 чанка с эмбеддингами BGE-M3, нарезанных не по символам, а по юридической структуре (статья, параграф, приложение). Всё упаковано в один SQLite-файл с метаданными и ссылками на EUR-Lex. Тесты показали, что структурная нарезка даёт recall@20 0.541 против 0.449 у базовой chunking-стратегии.

0 175