Schema-guided reasoning: как заставить LLM быть умнее

Революционный подход к управлению большими языковыми моделями через Schema-guided reasoning от Александра Брыля, ведущего ML-инженера Mad Devs. Узнайте, как заставить любую LLM рассуждать структурированно и создавать надежных агентов без сложных фреймворков. В докладе рассматриваются: Эволюция Structured Output: от JSON генерации до полноценного управления reasoning Паттерны SGR: каскадирование, роутинг и циклические процессы для сложных задач Практическое создание мультитул-агентов через чистый structured output Сравнение подходов: фреймворки (LangGraph) vs самописные SGR решения Материал будет полезен ML-инженерам, разработчикам AI-агентов и всем, кто работает с LLM. Ссылка на презентацию доклада:
------------------------------------------------------------------------------- ТАЙМ-КОДЫ 0:00 - 2:18 Введение, презентация спикера 2:18 - 4:58 История Structured Output 4:58 - 7:03 Принципы и ограничения функции 7:03 - 10:48 Практические примеры 10:48 - 12:16 Проблемы валидации 12:16 - 14:36 Основы SGR 14:36 - 16:44 Паттерны Cascade и Routing 16:44 - 18:27 Cycle паттерн и адаптивность 18:27 - 22:13 ReAct агенты в LangGraph 22:13 - 28:49 Тестирование и кастомизация 28:49 - 33:47 SGR агенты без фреймворков 33:47 - 35:00 Выводы и рекомендации ------------------------------------------------------------------------------- ССЫЛКИ Telegram [Mad ML Talks] -
Telegram [Mad Devs Channel] -
Facebook - / maddevsllc Instagram - / maddevsio X [ex.Twitter] -
#machinelearning #ml #llm #машинноеобучение