LLM
הנדסת היטל: לבינה מלאכותית יש אריתמטיקה, אך אין לה מטרולוגיה
בינה מלאכותית יכולה לייצר החלטה מהר יותר מכפי שמישהו יכול לאמת אותה. Projection Engineering מספקת את שכבת האחריות החסרה שהופכת Claims מן העולם הפתוח ל-Accepted Facts הניתנות לביקורת, לפני שהכללים מתירים פעולה.
מ-Claims אל Graph of Accepted Facts
לפני שמכונה יכולה לשפוט את העולם האמיתי באופן דטרמיניסטי, עליה לסגור את אותו עולם באופן מפורש: להעריך Claims פתוחים, להטיל Accepted Facts לתוך גרף הניתן למעקב, להקפיא את הגבול, ולשמר מסלול לערעור.
אמת אינה מתגלה
בעולם הפתוח אין אמת שאפשר לגלות — משום שכל תצפית תקועה במהירות האור ואינה מגיעה אל האירוע. אך בעולמות שנסגרו בהצהרה, כמו הסיפורת, המתמטיקה והמשפט, יש אמת. המשפט הוא תהליך של היטל המציאות אל העולם המשפטי, והפסק דין הוא חישוב שנעשה מעליו. מה שחסר כיום ל-LLM אינו מודל גדול יותר, אלא הליך סגירה מפורש כמו שלטון החוק.
שטף אינו אמת
אנשים לא מפספסים שגיאות בינה מלאכותית בטוחות ושוטפות בגלל רשלנות. אי-הבחנה היא ברירת המחדל האוכלוסייתית — כפי שנמדד אצל רופאים שהוכשרו לעבודה עם בינה מלאכותית ואצל מפתחים מנוסים שנותרו משוכנעים שהם מהירים יותר גם אחרי שהנתונים הראו אחרת.
מהו 'תור' (Turn) ב-reins?
ניתוח אנטומי של התור (turn), יחידת הביצוע הקטנה ביותר של reins. מה שלא נרשם אינו תור — מההגדרה האחת הזו נובעות כולן: אי-תלות בדרייבר, עמידות להפעלה מחדש ויכולת ביקורת. בהשוואה לשיח ה-Loop Engineering של יוני 2026, נראה כיצד התור הופך את ההמלצות ההן למבנה.
התנאים המוקדמים לשיפור הדיוק של סוכני LLM מרובים
להריץ הרבה סוכנים הופך אותך למדויק יותר? נכון רק חצי. מודלים שאומנו על אותם נתונים טועים באותם מקומות. שני התנאים שבהם מערכת מרובת סוכנים עובדת — או שמתכננים אי-תלות בשגיאות, או שמציבים verifier מחוץ ל-LLM בתחום הניתן לאימות.
קוד סוגר שמנצל את IFEval
הטיית החנפנות של מודלי שפה גדולים היא לא באג אלא נכס. שילוב יכולת מילוי הוראות שנמדדת ב-IFEval עם משוב דטרמיניסטי יוצר לולאת התכנסות שמייצרת קוד נכון, גם עם מודל מקומי של 4.5B.
הטיית Sycophancy ב-AI היא פיצ'ר עסקי
הטיית החנופה של LLM היא לא באג. היא הכרח מתמטי של RLHF ופיצ'ר מסחרי שלחברות הטכנולוגיה הגדולות אין תמריץ לתקן. זו הסיבה ש-LLM-as-Judge בלתי אפשרי מבחינה מבנית.
למה סוכני קידוד עובדים ולמה הם קורסים
אותו מודל הוזה בצ'אט אינטרנטי אבל מספק פיצ'ר של 200 שורות בסוכן קידוד. לא בגלל שהמודל השתנה — בגלל שהטופולוגיה השתנתה. יצירה יכולה להיות הסתברותית. אימות חייב להיות דטרמיניסטי.
טופולוגיית Feedback חשובה מ-IQ של מודל
אותו מודל נעצר ב-40 או משלים את כל 527. ההבדל הוא לא המודל — אלא מבנה המשוב. ביצועי LLM תלויים הרבה יותר במהירות ובדטרמיניזם של לולאת המשוב מאשר במודל עצמו.
tsma -- קו ההגנה נגד רגרסיות בקוד ישן
אינדוקס של כל הפונקציות, זיהוי קיום טסטים, מדידת coverage ומשוב ל-LLM agent -- כלי CLI אחד. בפקודה אחת בונים קו הגנה נגד רגרסיות בקוד ישן.
אילוצים הם חוזים
ללא הבטחות — כאוס. הבטחות עודפות — דיכוי. אילוץ רציונלי מוצא את היחס הזהב. עקרונות שלטון החוק חלים באותה מידה על קוד ועל ידע.
filefunc — קובץ אחד, מושג אחד
יחידת הניווט של סוכן קוד AI היא הקובץ. מוסכמת מבנה קוד ב-Go וכלי CLI שמאכפים מושג אחד לקובץ אחד.