Hacker News · 30.07.2026 ·Данные и инжиниринг

Malloy привлекает инвестиции для развития семантического моделирования в ИИ

Язык семантического моделирования Malloy получил поддержку от венчурной компании Credible для решения проблемы нехватки бизнес-контекста в ИИ-системах. Исследования показывают, что 57% компаний сталкиваются с ошибочными ответами моделей из-за отсутствия доступа к структурированным данным. Malloy предлагает открытый подход к описанию семантики данных, позволяя ИИ-агентам точнее интерпретировать корпоративную информацию и снижать количество галлюцинаций.

Основная проблема современных корпоративных ИИ-решений заключается в разрыве между неструктурированными данными и бизнес-логикой, заложенной в разрозненных метаданных. Malloy выступает как слой абстракции, который объединяет SQL-запросы и семантические определения в единый код. Это позволяет разработчикам создавать переносимые модели данных, которые легко интегрируются с LLM, обеспечивая их необходимым контекстом для генерации точных аналитических ответов.

Переход от проприетарных систем метаданных к открытым стандартам, таким как Malloy, упрощает пайплайны данных и делает их прозрачными для ИИ. Вместо того чтобы полагаться на обучение моделей на «сырых» данных, компании могут использовать семантический слой для передачи четких инструкций о структуре и связях внутри бизнеса. Это критически важно для автоматизации аналитики и построения надежных агентных систем, работающих с реальными корпоративными базами данных.

Ключевые факты

57% предприятий подтвердили, что сталкивались с неверными ответами ИИ из-за дефицита бизнес-контекста.
Malloy представляет собой открытый язык моделирования, который заменяет сложные и закрытые системы описания метаданных.
Инвестиции от Credible направлены на масштабирование использования Malloy как стандарта для подготовки данных к работе с генеративным ИИ.
Использование семантического слоя позволяет сократить количество ошибок в ответах моделей за счет предоставления им структурированных определений бизнес-метрик.

Источник: Hacker News

Обсудить с ИИ

Похожие материалы

Hacker News · Машинное обучение Методы борьбы с галлюцинациями и предвзятостью в LLM-системах Разработчики представили инженерный подход к минимизации «галлюцинаций» и склонности моделей подстраиваться под ожидания пользователя. Основная идея заключается в изменении архитектуры промптов и процесса валидации ответов, чтобы система приоритизировала объективные данные над вежливым согласием. Это позволяет повысить точность генерации контента в задачах, требующих строгой фактологической проверки и критического анализа. Hacker News · Прогнозы и тренды Разрыв в надежности ИИ: почему текущие модели не готовы к критическим задачам Современные большие языковые модели демонстрируют впечатляющие способности к генерации текста, однако сталкиваются с серьезным «разрывом в надежности» при выполнении задач, требующих высокой точности. Исследование подчеркивает, что отсутствие детерминизма и склонность к галлюцинациям делают текущие архитектуры непригодными для критически важных бизнес-процессов, где цена ошибки превышает допустимые риски автоматизации. Hacker News · Инфраструктура для агентов Снижение галлюцинаций ИИ через инвариантно-ориентированное проектирование систем Вместо попыток дообучить модель для устранения галлюцинаций, авторы предлагают изменить архитектуру системы, внедрив подход «инвариантно-ориентированного проектирования». Суть метода заключается в создании жестких ограничений и проверок на уровне инфраструктуры, которые гарантируют корректность вывода независимо от вероятностной природы LLM. Это позволяет строить надежные агентные системы, где логика обработки данных защищена от ошибок генерации. AI | VentureBeat · ИИ в бизнесе Проблема доверия в корпоративном ИИ: почему RAG-системы не справляются с бизнес-контекстом Исследование 101 крупной компании показало, что основной барьер для внедрения ИИ-агентов в корпоративную среду сместился с технической реализации поиска данных на проблему доверия к результатам. Несмотря на повсеместное использование RAG, организации сталкиваются с «галлюцинациями» и неточностями, так как инфраструктура для обработки бизнес-контекста развивается быстрее, чем механизмы проверки достоверности и контроля качества ответов моделей. arXiv · Исследования и наука Метод Introspective Coupling улучшает интерпретируемость языковых моделей Исследователи представили метод Introspective Coupling, позволяющий языковым моделям генерировать более точные объяснения своих решений. В отличие от стандартного обучения, где модель имитирует поверхностные паттерны, новый подход использует контрфактуальные данные для проверки того, какие именно признаки входных данных действительно влияют на поведение системы, обеспечивая более глубокую связь между логикой модели и её итоговым ответом. Hacker News · Инфраструктура для агентов Методы управления поведением LLM в агентных системах Эффективная работа с большими языковыми моделями в рамках автоматизированных систем требует перехода от простых текстовых запросов к структурированным методам управления. Основная проблема заключается в непредсказуемости ответов модели, что затрудняет интеграцию ИИ в программные пайплайны. Для решения этой задачи используются подходы, позволяющие жестко ограничивать формат вывода и логику принятия решений. Hacker News · Безопасность и алайнмент Исследование галлюцинаций ИИ при раскрытии финансовой информации Новое исследование анализирует проблему «галлюцинаций» в больших языковых моделях при обработке корпоративной финансовой отчетности. Авторы работы выявили, что ИИ-системы склонны к генерации недостоверных данных, когда сталкиваются со сложными математическими вычислениями в контексте раскрытия информации. Это создает серьезные риски для автоматизированных систем финансового анализа, требующих высокой точности и проверяемости данных в отчетности. Hacker News · Инфраструктура для агентов Переход на BAML для типизации и управления LLM-вызовами Разработчик платформы Agentique перевел слой взаимодействия с LLM на использование языка BAML. Это решение позволило заменить хрупкие промпты с JSON-парсингом на строгую типизацию, улучшить обработку ошибок и упростить тестирование логики агентов. Переход обеспечил более предсказуемый вывод моделей и ускорил процесс отладки сложных цепочек вызовов в агентных системах. Hacker News · ИИ в бизнесе Анализ эффективности внедрения Microsoft Copilot в корпоративной среде Исследование использования Microsoft Copilot в корпоративной среде выявило критические проблемы с точностью генерации контента. В 80% случаев инструмент предоставлял недостоверные данные или нерабочий программный код, что ставит под сомнение автоматизацию сложных бизнес-процессов без жесткого контроля. Результаты подчеркивают необходимость внедрения многоуровневых систем верификации результатов при работе с генеративными моделями в Enterprise-сегменте. Hacker News · Прогнозы и тренды Бизнес переходит на малые языковые модели для оптимизации затрат Корпоративный сектор всё чаще отдает предпочтение компактным специализированным моделям вместо массивных LLM общего назначения. Компании осознают, что малые языковые модели (SLM) обеспечивают достаточную точность для конкретных бизнес-задач при значительно меньших затратах на инференс, повышенной скорости работы и упрощенном развертывании на собственной инфраструктуре, что меняет экономику внедрения ИИ-решений.

← Все материалы