❗️ 64% молодых мужчин, торгующих акциями ежедневно, считают себя неудачниками Каждый четвертый мужчина в США в возрасте от 18 до 29 лет ежедневно торгует акциями. Согласно исследованию американского аналитического центра Institute for Family Studies (IFS), 64% таких трейдеров признались, что считают себя неудачниками. Для сравнения, среди тех, кто торгует реже одного раза в день, так ответили 30%, а среди мужчин, которые вообще не инвестируют, — 40%. По этому показателю активные трейдеры оказались близки к участникам азартных игр: среди ежедневно делающих ставки неудачниками себя считают 66% опрошенных. По мнению исследователей, молодые мужчины обращаются к рискованным финансовым инструментам в надежде быстрее добиться финансового успеха. При этом такие занятия могут одновременно служить способом справиться со стрессом, одиночеством и ощущением безысходности, но в то же время усиливать эти состояния. 📍 Подписаться на канал | Мы в MAX

Вы удалили большой файл с логами, но место на сервере не освободилось. Причина может быть в программе, которая всё ещё использует этот файл — для системы он как будто продолжает существовать. Сервер может тормозить и при нормальной загрузке. Например, если он работает на общем оборудовании и другие виртуальные машины забирают слишком много ресурсов. А плохая связь с сайтом не всегда означает, что проблема именно на вашем сервере. Автор собрал простую инструкцию, которая помогает понять, где искать сбои. Они могут быть в интернете, настройках домена, открытых портах, памяти, диске или программах. В конце есть готовый скрипт, который сам запускает основные проверки и собирает результаты в одном месте.

В этом месяце мы путешествуем. Поэтому время наедине с лаптопом ограничено. Поэтому я и завел codex демонов на linux сервере. Самое главное, наконец, доделал новую версию full-stack event-driven BDD фреймворка, про который обсуждали на вебинарах по AI Coding. Про подход к BDD спекам в продуктах (еще в эру до LLM) я рассказывал в этой истории. Сейчас получилось сделать их full-stack, привязать к UI компонентам (например, через go templ) и свалить работу по написанию и поддержанию на Codex. Скорость я сильно не оптимизировал, спеки запускаются на одном ядре, поэтому получается прогонять "всего" тысячу спеков в секунду). Когда спеков будет больше тесячи - добавлю параллелизм, ибо дольше секунды гонять все базовые бизнес-тесты - для меня недопустимо. И когда есть такие спеки, давать с мобилики задачи кодексу на "напиши спеки под такую фичу" и "а теперь реализуй эти спеки" - одно удовольствие! Даже когда спеки про такие заунывные вещи, как GDPR-compliant email opt-in. А сам код в проекте на скриншоте - от будущей платформы для AI Coding коммьюнити. Ваш, @llm_under_hood 🤗

От лаборатории к умным часам: как измерить кортизол Я всё больше убеждаюсь, что одна из самых интересных областей технологий сегодня находится на стыке инженерии, медицины и ИИ. Пока мы обсуждаем новые модели нейросетей, инженеры пытаются решить другую задачу: научить маленький носимый датчик непрерывно измерять гормон стресса прямо на теле человека. Сегодня уровень кортизола определяют по крови, слюне или моче. Для этого нужно сдать анализ, дождаться результата и получить всего одну цифру - показатель в конкретный момент времени. Но кортизол постоянно меняется. На него влияют сон, тренировки, питание, болезни, время суток, эмоциональная нагрузка и даже конкретная рабочая встреча. Поэтому один лабораторный анализ не показывает всей картины. И инженеры создают аналог непрерывного монитора глюкозы, только для кортизола. Самое интересное здесь не только результат, но и то, как именно они пытаются его получить. Кортизол хотят измерять не через обычный забор крови, а через пот или межклеточную жидкость. Для этого разрабатывают: — микроиглы, которые почти не ощущаются кожей; — электрохимические сенсоры; — аптамеры - молекулы, способные распознавать конкретные вещества; — новые полимерные материалы; — миниатюрные системы, которые могут работать на теле несколько дней подряд. То есть инженерам нужно одновременно решить десятки задач. Как получить достаточное количество жидкости? Как отличить кортизол от других молекул? Как сделать сенсор точным, стабильным и безопасным? Как защитить его от пота, движения, температуры и внешней среды? Как передать данные на смартфон? Как откалибровать устройство так, чтобы его показаниям можно было доверять? И это уже не просто красивые концепты из лабораторий. Появляются первые испытания на людях. Например, стартап Adaptyx показал многосуточное измерение свободного кортизола с фиксацией его естественного суточного ритма и сопоставимостью с анализами венозной крови. Но дальше начинается ещё более сложная инженерная задача. Одного сенсора недостаточно. Нужно научиться правильно интерпретировать полученные данные. Высокий кортизол после тренировки - это нормально. Высокий кортизол утром тоже может быть нормой. А вот изменившийся суточный ритм, отсутствие восстановления или необычная реакция на нагрузку уже могут говорить о проблеме. Поэтому вокруг одного маленького датчика постепенно формируется целая система: сенсор → передача данных → алгоритмы обработки → персональная модель организма → рекомендации для человека или врача. И здесь появляется ИИ. Сегодня умные часы пытаются угадать стресс по косвенным признакам: пульсу, дыханию, температуре кожи и движениям. А прямое измерение кортизола может дать инженерам данные, на которых будут обучаться гораздо более точные модели. Тогда устройство сможет не просто сообщать: «У вас высокий уровень стресса». Оно сможет понимать, как именно ваш организм реагирует на недосып, кофе, перелёты, спорт, рабочие встречи или хроническую нагрузку. Когда-то инженеры сделали возможным непрерывное измерение глюкозы и изменили подход к лечению диабета. Теперь они пытаются сделать то же самое с кортизолом. И мне кажется, что главный технологический прорыв здесь не в том, что часы научатся показывать ещё одну цифру. А в том, что инженеры постепенно создают новый интерфейс между человеком и его собственным организмом. Ссылки на источники: spectrum Stanford https://t.me/kruasanova_as Всё ещё пишет сама и ищет новые способы взаимодействия

Хороший обзор на тему "нужно ли фонду ранних стадий участвовать в Follow-on". Приведу содержательные аргументы почти полностью. Почему резерв на follow on 20-50% считался обязательным 15 лет назад? — удваиваться на победителях; — дотягивать перспективных до следующего раунда в бриджах и не размываться в pay-to-play; — за 12–24 месяца инсайдер уже видит, что на самом деле происходит и понимает стартап лучше рынка. — раунд ведёт фонд серии A — это почти независимая оценка, а слабые до A не доживают. — историческая статистика была за тех, кто выбирает 100% pro rata. — пропустить своё pro rata — испортить отношения с основателем и соинвесторами Почему в 2026-м это не работает: — follow-on идёт через недели после раунда — карт вскрыто слишком мало; — переполненные каптейблы, тебя ужимают или игнорируют — привет, adverse selection; — десятки новых фондов и мультистейджи с миллиардами превратили оценки в аукционы, никакой дисциплины; — А размытие? Экзиты крупнее, оценки выше — размытие бьёт по модели слабее. — А любимые компании? Веришь как рынок — бери pro rata; меньше — SPV или вторичка; больше — удваивайся, хоть до раунда. Мораль автора — смотри на follow-on как на обычную сделку по обычному процессу без отдельного бюджета. Собственно, последний пункт ровно об этом. https://hunterwalk.com/2026/07/23/ive-changed-my-mind-early-stage-venture-funds-of-100-million-or-less-should-hold-almost-no-reserves-for-follow-on/

Ссать, но делать — девиз моего блога 🔵 Периодически спрашивают, как не бояться выкладывать первый пост или ролик. Расскажу, как это было у меня) Вообще бояться проявленности — это абсолютно нормально, и у любого адекватного человека будет какой-то дискомфорт от выхода на большую аудиторию. У меня к моменту, когда я пошла в инстаграм*, уже был телеграм-канал, я долго его вела, плюс канал Галеры. Публичных выступлений я вообще не боялась. Но Инстаграм* всё равно ощущался новой площадкой с другими алгоритмами, где ролик может залететь на аудиторию, которая тебя вообще не знает. Это не то же самое, что уютный телеграмчик, где твоя целевая аудитория тебя понимает и хейта почти не бывает) Дискомфортно было, очень, многие свои рилсы я вначале даже не пересматривала - было стыдно) Но со временем я этот дискомфорт переборола. Что реально помогло: 1) Команда. Они сняли с меня всю рутину по монтажу и выкладке, мне нужно только пережить сам момент съёмки, а финальные видео я не отсматриваю. 2) Психолог. Раз в неделю у меня была стабильная терапия, и все страхи и сомнения я прорабатывала. Получала поддержку и ресурс, чтобы просто двигаться дальше и уметь пережить период низких охватов или хейта. 3) Время. К этому реально просто привыкаешь, если делать, делать и делать. Помню, когда мой первый ролик залетел на 5 миллионов просмотров, я не радовалась, а буквально лежала дома и не могла зайти в комментарии... К следующему разу, когда залетело на миллион, это чувство уже было слабее. Сейчас отношусь к цифрам гораздо спокойнее, как к статистике, а не оценке себя. И отдельно — поддержка близких. Муж, партнёр по клубу Антон, родители, подруга — всё моё окружение говорило "супер, давай, ты молодец". Мне ни разу не пришлось преодолевать ситуацию, когда близкие стыдят за то, что ты ведёшь блог, и я правда благодарна им за это ❤️

Поэтому всем, кто только начинает, я бы советовала заручиться поддержкой близких, либо найти блогерское или предпринимательское комьюнити, где люди тоже занимаются личным брендом. В окружении, где тебя понимают и поддерживают, преодолевать стыд и дискомфорт гораздо легче, чем там, где вокруг говорят "все блогеры — халявщики, идите работать".

И разрешите себе быть неидеальными! Весь мой год ведения Инстаграма* прошёл под девизом "ссать, но делать". Я натренировала мышцу отключения стыда и страха) *Meta Inc. — запрещенная в РФ организация

Команда Антона Конушина и лаборатория Fusion Brain вместе с  ребятами Сергея Маркова и Игоря Пасечника из SberAI опубликовали крутое обновление в нашей линейке моделей для реверс-инжиниринга! CADENA: Stepwise CAD Reverse Engineering Перешли на пошаговое предсказание — модель стала гибче, качество выросло, и чем сложнее датасет, тем больше отрыв. Плюс собрали CADENA-Bench: 3396 реальных механических деталей, разбитых по категориям ЕСКД, чтобы можно было оценивать готовность к практике для отдельных типов деталей. О постановке задачи для тех, кто пока про нее не слышал: по скану физической детали восстановить её CAD-модель — дерево построений, которое инженер может править и по которому деталь можно произвести. Последовательность CAD-операций пишется питоновским кодом, так что фактически это mesh2code. Наши прошлые модели предсказывали всю последовательность разом и потому наследовали статистику трейна: если операция B в обучении всегда стоит между A и C, на инференсе она встанет туда же. На сложных и редких деталях это ломалось. В CADENA мы предсказываем по одной операции за раз — модель исполняет то, что уже написала, смотрит на разницу с целью и решает, что делать дальше. Плюс новый генератор, дающий длинные последовательности операций. Результат: заметный отрыв на всех датасетах, где мы замеряемся. На CADENA-Bench мы лучше в 5 категориях из 6 и в среднем. На BenchCAD, где свои модели меряет в том числе Claude, восстановление объёма 91% против 71% у фронтирных моделей и 75% у специализированных. На гифке — как модель собирает деталь по операциям. Paper: https://arxiv.org/abs/2608.00799 · https://huggingface.co/papers/2608.00799 GitHub: https://github.com/zhemdi/cadena Dataset: https://huggingface.co/datasets/kulibinai/cadena-bench Model: https://huggingface.co/kulibinai/cadena Заапвоутить: https://huggingface.co/papers/2608.00799

Значит так. Банк России сообщил, что индикатор бизнес-климата в июле опустился до минимального уровня с середины 2022 года. Рост цен во втором квартале замедлился, но в июне—июле снова ускорился, а инфляционные ожидания населения и компаний заметно повысились. ЭТо раз! СБЕР заявил о массовом вымирании бизнеса в России. Это два! Почему так происходит, вопрос риторический, но, нам, как говорится, нужны не причины, а ребенок, то есть живой, работающий бизнес вместе с налогами и рабочими местами. Соответственно, что это значит в планировании для нас? ✅ продолжение поиска резервов для оптимизации; ✅ нужно быть очень аккуратными в новом найме; ✅ планы августа–осени строить консервативно: основные резервы — возврат действующей базы, сокращение интервалов между визитами, загрузка тихих часов, работа с цифровым клиентским сервисом, просто работа с сервисом. И еще одна новость, на которую стоит обратить внимание. С 1 сентября 2026 года обязанность обеспечить оплату цифровыми рублями возникает у части компаний и ИП с выручкой за предыдущий год свыше 120 млн рублей, если они обслуживаются в банках, включенных в первый этап подключения. Будем жить!

✔️ США освободили китайские открытые модели от обязательного тестирования Белый дом вывел китайские модели с открытыми весами из-под действия нового регламента ИИ-безопасности. Администрация США отказалась от их обязательного тестирования, о чем сообщила представителям OpenAI, Anthropic и Google на закрытом брифинге. Регулятор ужесточил контроль после апрельского предупреждения от Anthropic перед релизом Mythos. Дополнительным поводом послужили недавние инциденты, когда системы OpenAI и Anthropic выходили за пределы тестовых сред в инфраструктуру сторонних организаций. Исключение для китайских решений противоречит позиции CEO Anthropic Дарио Амодеи, который требовал внедрить обязательные проверки для всех разрабатываемых моделей. zaobao.com.sg ✔️ В Google DeepMind произошли кадровые перестановки Демис Хассабис перешел с поста главы DeepMind на позицию Chief Scientist материнской компании Alphabet. Он сфокусируется на стратегии AGI и развитии медицинского ИИ в Isomorphic Labs. Повседневное управление DeepMind и разработка семейства Gemini перешли к Кораю Кавукчуоглу, бывшему техническому директору подразделения. Одновременно Google покинул Джефф Дин, проработавший в корпорации 27 лет. Вместе с Санджаем Гемаватом, Ориолом Виньялсом и Куоком Ле он основал стартап Discovery Loop, который планирует заниматься автоматизацией ML-экспериментов. Проект привлек инвестиции от крупных фондов и самой Alphabet. blog.google ✔️ Black Forest Labs открыла доступ к FLUX 3 Video Модель доступна через собственный API немецкого стартапа и платформы партнеров. Она генерирует ролики до 20 секунд в HD и Full HD со звуковой дорожкой, фоновыми шумами, спецэффектами и речью. Модель поддерживает text-to-video, image-to-video и video-to-video и работает с ключевыми кадрами, а также может менять сцену и ракурс внутри одного видео, продолжать видеоряд и рендерить текст в кадре. Для речи заявлен липсинк на 14 языках. По внутренним бенчмаркам Elo FLUX 3 обходит Gemini Omni Flash, Minimax H3 и Seedance 2.0. Тарификация в API посекундная, генерация звука включена в стоимость. В HD-режиме T2V и I2V обойдутся в $0,06/сек, а обработка видео - в $0,12/сек. В Full HD цены составляют $0,29 и $0,53 за секунду соответственно. bfl.ai ✔️ ByteDance представила полнодуплексную аудиовизуальную модель с проактивным взаимодействием Китайский техногигант выпустил мультимодальную модель SeedRealtime для взаимодействия в реальном времени, которая параллельно обрабатывает аудио, видео и текст. Технической фишкой стал отказ от систем обнаружения голосовой активности. Очередность реплик контролируется через совместное непрерывное моделирование звука, визуальных данных и временных параметров. Модель самостоятельно определяет, когда вступить в диалог, сделать паузу или отфильтровать фоновый шум. SeedRealtime не ждёт команд, она фоном анализирует визуальный контекст, отслеживает нескольких спикеров и способна инициировать общение, реагируя на события или объекты в кадре. ByteDance заявляет, что система уже развернута на практике, но сведения о доступности в пресс-релизе не приводятся. bytedance.com ✔️ Mixture-of-Kittens: инструмент для ускорения обучения MoE-моделей на NVIDIA Blackwell Cursor выложила инструмент Mixture-of-Kittens (MoK) для ускорения обучения MoE-моделей на архитектуре NVIDIA Blackwell. MoK решает проблему задержек при обмене данными между GPU - в MoE-сетях этот процесс может занимать более половины времени обучения. Инструмент объединяет маршрутизацию токенов и вычисления в единый низкоуровневый массив для их параллельного выполнения и минимизации простоя оборудования. В тестах на кластере из 512 GB300 общая пропускная способность выросла на 41%, а обработка MoE-слоев ускорилась в 2,37 раза по сравнению с аналогами. По словам Cursor, компания применяет MoK для обучения модели Composer. Инструмент работает исключительно с архитектурой NVIDIA Blackwell и открыт под лицензией Apache 2.0. cursor.com @ai_machinelearning_big_data #news #ai #ml