Vic Ai

Не совсем) Вообще-то поиск в интернете есть во многих сервисах - и в Чатгпт, Гемини, Qwen, DeepSeeк - сложнее найти сервис где его нет.
Но в том же Perplexity нет агентности в том смысле, что агенты не могут добавляться и получаться все более длинные цепочки из разных шагов в какой-то бизнес задаче. У нас это возможно - в этом главное отличие.

Жду когда кто-то вспомнит наш пост на DTF 2023го набравший 138 комментов, где мы анонсировали мультиагентную систему.
Ну вот она, юзайте!

Нейропятиминутки нейровести спасут великого комбинатора

Начали уже. На малом масштабе качество растет, если переборщить - резкое сваливание, тк garbage in - garbage out, замусоривание получается. Есть научная статья на эту тему

По опыту общения с проектировщиками: они очень страдают от того, что приходится вот эти все параметры зданий и сооружений вычитывать вручную в десятках документов.

Они же берут и копипастят разные определения и термины из разных ГОСТов, а потом начинаются споры где правильно, как это интерпретировать и тп
Ну и к тому же люди тоже ошибаются вот при такой муторной работе ежедневной.

Так что такие сервисы - это помощник, ну типа апгрейда интеллектуального поиска. Плюс, всегда можно проверить - сгенерировала сетка бред или нет в исходном документе
(Да, Яндекса Нейро тоже ошибается, но это ведь удобно сразу получать ответ на вопрос)

Вся соль в задаче: анализировать, читать готовую документацию по проектированию сетей намного проще, чем проектировать их с нуля - это совсем другое дело, некст левел интеллектуальности требуется.
То есть в целом можно провести такую градацию типовых задач:
а) читать и отвечать по документам - самое легкое
б) выявлять в документах несоответствия в тексте - сложнее
в) отвечать по схемам, чертежам проекта - еще сложнее
г) создавать проекты сетей обучившись на текстах и чертежах людей-экспертов - еще сложнее
д) проектировать сети эффективные и оптимальные, с точки зрения бюджет, безопасности - некст левел, это generative CAD

Пока мы находимся на уровне а) и б), но движемся к мультимодальности - только понимать нужно не смешные мемы или картинки, а сложные схемы разных нотаций типа UML и др

Выше ответил.
Кстати, в видео новизна идеи описана - если очень кратко мы даем целеполагание агентам, а в случае с LLM мы как люди должны это целеполагание задавать с помощью промтинга.

Я могу более образно объяснить, метафоричнее: можно считать, что мультиагентный подход это создание распределенной нейросети - где нейрон это агент, а связи агентов с агентами - это связи внутри нейросети.
У этого подхода есть крутые эмерджентные свойства - например, там на уровне агентов возникает логика - примерно как классическая логика возникает на уровне понятий, кванторов и высказываний. Но об этом мы расскажем позже.

Я только ЗА Пелевина - читал его много и многие идеи у него топ. Но никто не знает что собственно это должна быть за монада. Да и Q оказалась слухом

Есть вот такая более техническая статья, где мы немного опубликовали нашу эмуляцию опыта Павлова с рефлексами, может быть вам будет интересно: https://vc.ru/future/955617-logicheskiy-vyvod-fractalgpt

Прежде чем писать комментарий неплохо бы хотя бы полистать видео: вот таймкод https://youtu.be/Zz59xt6kRAE?t=1122 со слайдом, где дается классификация методов промтинга по 4м категориям, в том числе упоминается AutoGPT и другие.
В этой части я рассказываю что в целом почти все методы промтинга обладают недостатками, описываю их, и далее будет про tool use, hugginggpt.
Кстати AutoGPT самый отстойный проект - он очень простой и потому почти бесполезный, там не работает ни планирование ни декомпозиция на задачи, о чем забит их Гитхаб). Советую другие, получше - например promptbreeder https://www.youtube.com/watch?v=tkX0EfNl4Fc в котором хотя бы заложено итеративное улучшение - вот это еще более-менее прикольно.

Привет, приходите к нам на вебинар, нам исполнился год https://fractaltech.timepad.ru/event/2816471/

У нас запустился полноценный сервис, куда вы можете загрузить свои документы: http://fractalgpt.ru/