Как ИИ научился играть: обучение с подкреплением от Q-learning до AlphaGo

Wed, 05 Aug 2026 00:00:00 +0000

Все алгоритмы, о которых мы говорили — регрессии, бустинг, CNN, диффузия — учатся на статичных данных. Датасет лежит в файле, модель читает примеры, корректирует веса. Но есть целый класс задач, где так учиться нельзя: там нужно действовать и учиться на последствиях.

Как LLM выбирает инструменты: от function calling к Model Context Protocol

Thu, 09 Jul 2026 00:00:00 +0000

Языковая модель по своей природе умеет делать только одну вещь — предсказывать следующий токен. Вы даёте ей текст, она продолжает текст. Всё. Никаких баз данных, никаких API-вызовов, никакой возможности посмотреть, который час.

Но вы читаете этот текст через LLM, которая прямо сейчас обращается к файлам на сервере, читает логи и запускает bash-команды. Как модель, внутри которой — только слои Self-Attention и матрицы весов, вдруг научилась «брать в руки» инструменты?

Agents on ntdim

Как ИИ научился играть: обучение с подкреплением от Q-learning до AlphaGo

Как LLM выбирает инструменты: от function calling к Model Context Protocol