LLM
Projection Engineering: у ИИ есть арифметика, но нет метрологии
ИИ способен сформировать решение быстрее, чем кто-либо успеет его проверить. Projection Engineering создаёт недостающий уровень ответственности, который превращает Claims открытого мира в проверяемые Accepted Facts до того, как правила разрешат действие.
От Claims к графу принятых фактов
Прежде чем машина сможет детерминированно судить о реальном мире, она должна явно замкнуть этот мир: оценить открытые Claims, спроецировать Accepted Facts в прослеживаемый граф, зафиксировать границу и сохранить путь к обжалованию.
Истина не открывается
В открытом мире нет истины, которую можно было бы открыть, — потому что всякое наблюдение упирается в скорость света и не достигает события. Но в мирах, замкнутых декларацией, как роман, математика или право, истина есть. Суд — это процесс проекции реальности в правовой мир, а приговор — вычисление поверх неё. Сегодня LLM недостаёт не более крупной модели, а явной процедуры замыкания, подобной верховенству права.
Беглость — не истина
Люди пропускают уверенные, гладко сформулированные ошибки ИИ не потому, что они невнимательны. Не замечать — это стандартная реакция большинства: это показали и врачи, обученные работе с ИИ, и опытные разработчики, которые были убеждены, что стали быстрее, даже когда данные говорили об обратном.
Что такое «turn» в reins?
Анатомия turn — минимальной единицы исполнения в reins. Что не записано, то не turn — из одного этого определения следуют независимость от драйвера, устойчивость к перезапуску и аудируемость. Сравнивая с дискурсом Loop Engineering июня 2026-го, мы видим, как turn превращает те рекомендации в структуру.
Предпосылки повышения точности мультиагентных LLM-систем
Запустишь несколько агентов — и станет точнее? Верно лишь наполовину. Модели, обученные на одних и тех же данных, ошибаются в одних и тех же местах. Мультиагентность работает при двух условиях — либо вы проектируете независимость ошибок, либо в верифицируемой области ставите verifier за пределами LLM.
Ratchet-код, использующий IFEval в обратную сторону
Смещение угодливости LLM — не баг, а актив. Если объединить способность следовать инструкциям, измеряемую IFEval, с детерминированной обратной связью, даже локальная модель 4.5B создаёт цикл сходимости, генерирующий корректный код.
Sycophancy ИИ — это бизнес-фича
Подхалимство LLM — не баг. Это математическая неизбежность RLHF и коммерческая фича, которую у крупных технологических компаний нет стимула исправлять. Вот почему LLM-as-Judge структурно невозможен.
Почему кодинг-агенты работают и почему ломаются
Одна и та же модель галлюцинирует в веб-чате, но выдаёт фичу на 200 строк в кодинг-агенте. Не потому что модель изменилась — потому что изменилась топология. Генерация может быть вероятностной. Верификация должна быть детерминированной.
Топология обратной связи важнее IQ модели
Одна и та же модель останавливается на 40 или завершает все 527. Разница не в модели — а в структуре обратной связи. Производительность LLM гораздо больше зависит от того, насколько быстрый и детерминированный цикл обратной связи, чем от самой модели.
tsma -- линия обороны от регрессий в legacy-коде
CLI-инструмент, который индексирует все функции, определяет наличие тестов, измеряет coverage и даёт обратную связь LLM-агенту. Одна команда — и в legacy-коде появляется линия обороны от регрессий.
Ограничения — это контракты
Без обещания — хаос, обещание сверх меры — угнетение. Разумное ограничение образует золотое сечение. Принцип верховенства закона одинаково применим к коду и к знанию.
filefunc — один файл, одна концепция
Единица навигации AI-агента по коду — это файл. Конвенция структурирования Go-кода и CLI-инструмент, который принудительно ограничивает один файл одной концепцией.