[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-non-determinism::ru":3,"gloss-cluster-non-determinism::ru":23,"gloss-next-non-determinism::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"non-determinism","core-ai","Недетерминированность (Non-Determinism)","Недетерминированность — свойство выдавать разный вывод на одном и том же входе. У языковых моделей оно есть и по замыслу, и по стечению обстоятельств: сэмплирование вносит намеренную вариативность, а даже при выключенном сэмплировании различия в батчинге, оборудовании и инфраструктуре обслуживания не гарантируют, что одинаковые запросы вернут одинаковый текст. Для всего, что строится сверху, это не деталь, а именно то свойство, которое обесценивает большинство обычных инженерных привычек.\n\nПервой страдает проверка. Утверждение, что вывод равен фиксированной строке, падает время от времени и в итоге удаляется — так у ИИ-функций не остаётся тестов вовсе. Рабочая замена утверждает свойства, а не текст: ответ разбирается, называет только сущности из источника, укладывается в длину, отказывается там, где должен, — и прогоняется на наборе входов, а не на одном, принимая долю успеха вместо единственного прохода.\n\nМеняется и отладка. Сообщение, которое не воспроизводится, не является доказательством, что ничего не было; это обычный случай. Поэтому записанный прогон здесь важнее, чем в детерминированных системах: без сохранённых на тот момент входов, контекста и результатов инструментов разовый сбой нечем исследовать, и возникает соблазн объявить его случайностью и жить дальше.\n\nАгенты всё это усиливают, потому что недетерминированность накапливается вдоль цепочки решений. Один и тот же запрос в двух подряд прогонах может пойти другим путём, вызвать другие инструменты, стоить другую сумму и занять другое время. Поэтому разброс — полноправное эксплуатационное свойство агента, а не шум вокруг среднего.\n\nПрактическая позиция — не воевать с ней везде. Снижайте её там, где она ничего не даёт: фиксируйте фиксируемое, держите промпты под контролем версий, изолируйте генеративный шаг, чтобы окружающий конвейер оставался детерминированным, — и принимайте там, где вариативность и есть смысл. А затем измеряйте распределение, а не одну выборку, и считайте анекдотом любой вывод, сделанный по одному прогону.","Недетерминированность — когда один и тот же вход даёт разный вывод. Она ломает тесты на точное совпадение и накапливается в цепочке агента.",null,[11,14,17,20],{"slug":12,"name":13},"agent-trajectory","Траектория агента",{"slug":15,"name":16},"eval-harness","Испытательный стенд оценки (Eval Harness)",{"slug":18,"name":19},"hallucination","Галлюцинация",{"slug":21,"name":22},"regression-testing","Регрессионное тестирование (Regression Testing)",[24,28,32,36,39,42,45,48,51,54,57,60],{"slug":25,"category":5,"name":26,"updated_at":27},"agentic","Агентный AI (Agentic AI)","2026-09-08T21:32:34+00:00",{"slug":29,"category":5,"name":30,"updated_at":31},"alignment-tax","Налог на выравнивание (Alignment Tax)","2026-09-08T21:32:35+00:00",{"slug":33,"category":5,"name":34,"updated_at":35},"artificial-intelligence","Искусственный интеллект (ИИ)","2026-09-08T21:32:36+00:00",{"slug":37,"category":5,"name":38,"updated_at":27},"attention","Внимание (Attention)",{"slug":40,"category":5,"name":41,"updated_at":35},"beam-search","Лучевой поиск",{"slug":43,"category":5,"name":44,"updated_at":31},"benchmark-contamination","Загрязнение бенчмарка (Benchmark Contamination)",{"slug":46,"category":5,"name":47,"updated_at":31},"catastrophic-forgetting","Катастрофическое забывание (Catastrophic Forgetting)",{"slug":49,"category":5,"name":50,"updated_at":35},"computer-vision","Компьютерное зрение",{"slug":52,"category":5,"name":53,"updated_at":31},"constitutional-ai","Конституционный ИИ (Constitutional AI)",{"slug":55,"category":5,"name":56,"updated_at":27},"context-window","Контекстное окно",{"slug":58,"category":5,"name":59,"updated_at":35},"deep-learning","Глубокое обучение",{"slug":61,"category":5,"name":62,"updated_at":27},"diffusion-model","Диффузионная модель (Diffusion Model)"]