Slava Dubrov Edge of Context
Rechercher

Systèmes d’AI en production · Berlin

Construire des systèmes d’IA qui s’améliorent grâce aux preuves

Je conçois des systèmes d’IA en production à l’intersection de l’ingénierie logicielle, des agents, de l’évaluation, du retrieval, de la sécurité et de l’infrastructure — en transformant les traces et les échecs en expériences contrôlées, en mises en production fiables et en comportements plus sûrs.

Ma série Recursive Harness Engineering explore l’amélioration récursive : un harness d’agent en améliore un autre, tandis que des tests et une personne décident de ce qui est livré.

Automatisez l’expérience, pas l’autorité qui la déclare sûre.

Lire Edge of Context Exécuter les labs

Byte, le castor d’Edge of Context

Séries d’articles

Autres sujets

Agents IA 17 Ingénierie des modèles 9 Infrastructure IA 6 Systèmes de recherche et de langage 4 Outils de développement 8

Les plus lus

  1. Systèmes de recherche et de langage Guide NER 2026 : GLiNER, spaCy, Transformers et LLMs 51 min
  2. Systèmes de recherche et de langage OCR en 2026 : pipelines classiques, VLMs et Document AI 27 min
  3. Systèmes de recherche et de langage Métriques d’évaluation du RAG : retrieval, reranking, génération 55 min
  4. Ingénierie des modèles Guide du fine-tuning des LLM : quand l'utiliser, LoRA et QLoRA 35 min

Derniers articles

Tous les articles →
  1. Agent ou workflow : cinq conceptions pour un seul assistant de support 25 min

    Les mêmes tâches de support réalisées par un agent, un agent avec approbation, un agent dans un workflow, un routeur et un workflow sans agent, comparés sur un même jeu de tests.
  2. Concevoir un harness d’agent : de la tâche à l’architecture 32 min

    Comment les exigences d’une tâche façonnent un harness d’agent : choisir le flux de contrôle, les outils, l’exécution de code, l’état, les permissions et les preuves avant de choisir un framework.
  3. Recursive harness engineering : des traces à une meilleure mémoire 22 min

    Recursive harness engineering en une petite boucle : un LLM transforme la mauvaise réponse d’un outil de mémoire en correctif testé, et un simple script vérifie s’il fallait un LLM.

À propos

Les systèmes autour du modèle sont le produit.

Je suis Slava Dubrov, Staff AI System Engineer, titulaire d’un doctorat en diagnostic par AI. Je travaille sur l’ingénierie logicielle, les systèmes d’agents, l’évaluation, le retrieval, la sécurité et l’infrastructure de production.