Lmst

@BashStKid - you can probably pursue this via the #SGR website: https://www.sgr.org.uk/

Via #SGR, a great #jobopportunity with the Transition Security Project:
"...be part of a four-person transatlantic staff team working at the cutting edge of economic, climate and geopolitical analysis on militarisation. The precise research focus of the role will depend on the experience and background of the successful candidate"
#climate #militarisation
https://www.common-wealth.org/vacancies/researcher-transition-security-project

@CNDuk conference in London this Saturday includes #SGR's own
#Stuart Parkinson on the increased threat to the climate from UK nuclear weapons
#scientistsforglobalresponsibility
https://cnduk.org/events/no-to-war-no-to-british-nuclear-expansion-invest-in-saving-lives-not-destroying-them-cnd-conference/

Most militaries report less than 10 percent of their carbon footprint
https://www.sgr.org.uk/resources/most-militaries-report-less-10-percent-their-carbon-footprint #sgr #Military #CarbonFootprint #Science #Global #Responsibility

For more of their work, including original research:
http://www.sgr.org.uk/
#SGR #scientistsforglobalresponsibility

Does #greenwash get sicker than this?
Surplus Magazine has just published a short piece on green militarism and the military ecological footprint, featuring #SGR research and the “Greening Military” project at Dortmund University.
#Scientistsforglobalresponsibility
https://www.surplusmagazin.de/gruner-krieg-militar-klimaschutz-greenwashing/
Translation: https://docs.google.com/document/d/14asC7cUIaaL1jjxKEMKIl_rFXgmMK7cQV9qOubYghgk/edit?usp=sharing

Schema-Guided Reasoning: как научить языковые модели последовательно рассуждать

LLM умеют многое: генерировать тексты, анализировать документы, писать код. Но на практике их работа часто непредсказуема — сегодня модель даёт точный ответ, а завтра на тех же данных ошибается, пропускает ключевые шаги или придумывает факты. Для AI-инженеров это системная проблема. Возьмём автоматизацию документооборота: нужно классифицировать договоры, извлекать реквизиты, проверять стандарты. Но модель работает как лотерея — результат не поддаётся логике или меняется при повторном запуске с одинаковыми данными. Как встроить такой результат в бизнес-процесс? Для решения этой задачи появился подход Schema-Guided Reasoning (SGR) . Его активно продвигает Ринат Абдуллин в материалах по работе с LLM. Идея проста и эффективна: заставить модель мыслить не хаотично, а внутри заданной схемы. Это не панацея, но SGR серьёзно снижает количество ошибок, делает процесс прозрачнее, а также позволяет тестировать отдельные компоненты рассуждений.

https://habr.com/ru/companies/redmadrobot/articles/962236/

#scheme #sgr #llm #модели #схемы #системы #structured_output #function_calling

Good to see work by #SGR acknowledged - carbon costs of the beautiful game have gone through the roof with over-commercialisation
https://www.bbc.co.uk/sport/football/articles/c2314ve7d7jo

Thoughtful and clear from #SGR #scientistsforglobalresponsibility
"...increased security in Europe cannot be achieved by deploying yet more offensive and destructive nuclear weaponry..." #NATO #Russia @philipwebber https://www.sgr.org.uk/resources/us-nuclear-weapons-return-uk-ready-raf

Heute mit Teilnehmenden aus #karlsruhe
die #sgr zur Vorbereitung zum
https://www.rsv-falkenfels.de/panaromagravel/
mit dem #gravelbike gedreht.

Schema Guided Reasoning: метод структурированного рассуждения AI

📝 Описание Рассматриваем подход Schema Guided Reasoning (SGR) — метод структурированного промптинга, который направляет рассуждения LLM через типизированные схемы и явные рабочие процессы. Также разбираем расширение для пространственного рассуждения — SG² (Schema-Guided Scene-Graph Reasoning) , многоагентный фреймворк «рассуждай-пока-извлекаешь» для задач по графам сцены. Подходы демонстрируют прирост точности на 5–10% и достигают 95%+ воспроизводимости, одновременно снижая галлюцинации за счёт валидации схем и программного извлечения фактов. 🔍 Ключевые особенности - Структурированные выводы : типизированные схемы (JSON Schema / Pydantic) обеспечивают контроль формата и смысла ответа. - Три паттерна рассуждения : Cascade, Routing, Cycle — для разных типов задач и контроля шага рассуждений. - Constrained decoding : CFG/grammar-ограничения для безопасной генерации, автоматические повторы при валидации. - Мультиагентная архитектура SG² : разделение на модуль рассуждений и модуль извлечения с программным доступом к графу. - Программное извлечение : генерация Python-кода для обхода scene-graph вместо жёстких API. - Снижение галлюцинаций : разделение контекста и схема-навигация уменьшают отвлечения и ошибочные выводы. - Совместимость : OpenAI Structured Outputs, Instructor, LangChain, Pydantic AI, локальные бэкенды (xgrammar/Outlines/etc.).

https://habr.com/ru/articles/944540/

#sgr #schemaguidedreasoning #prompt_engineering #llm

Schema-Guided Scene-Graph Reasoning based on Multi-Agent Large Language Model System

📝 Описание Рассматриваем подход Schema Guided Reasoning (SGR) — метод структурированного промптинга, который направляет рассуждения LLM через типизированные схемы и явные рабочие процессы. Также разбираем расширение для пространственного рассуждения — SG² (Schema-Guided Scene-Graph Reasoning) , многоагентный фреймворк «рассуждай-пока-извлекаешь» для задач по графам сцены. Подходы демонстрируют прирост точности на 5–10% и достигают 95%+ воспроизводимости, одновременно снижая галлюцинации за счёт валидации схем и программного извлечения фактов. 🔍 Ключевые особенности - Структурированные выводы : типизированные схемы (JSON Schema / Pydantic) обеспечивают контроль формата и смысла ответа. - Три паттерна рассуждения : Cascade, Routing, Cycle — для разных типов задач и контроля шага рассуждений. - Constrained decoding : CFG/grammar-ограничения для безопасной генерации, автоматические повторы при валидации. - Мультиагентная архитектура SG² : разделение на модуль рассуждений и модуль извлечения с программным доступом к графу. - Программное извлечение : генерация Python-кода для обхода scene-graph вместо жёстких API. - Снижение галлюцинаций : разделение контекста и схема-навигация уменьшают отвлечения и ошибочные выводы. - Совместимость : OpenAI Structured Outputs, Instructor, LangChain, Pydantic AI, локальные бэкенды (xgrammar/Outlines/etc.).

https://habr.com/ru/articles/944536/

#SGR #SchemaGuidedReasoning #SchemaGuided_SceneGraph_Reasoning #prompt_engineering #aiagent