Мало стать богатым, надо умудриться деньги не потерять Недавно узнал о ситуации, как одного из основателей Карпов Курсы «кинули» его товарищи. Поскольку я ни с кем лично не знаком и не знаю о ситуации изнутри, оценочной характеристики давать не буду. Но меня привлек меня другой момент Из источника новости нашел ролик на YouTube с интервью Беслана, в котором ему задают вопрос:

А где все твои деньги, которые ты заработал за это время?

На что он отвечает

Много не выводили. Но тратил все, что зарабатывал

Возникает вопрос, как настолько умный человек мог не откладывать? Но тут и вопрос к вам, а многие из вас откладывают деньги? Скажу за себя. Мы с Ариной начинали careerspace как те самые нищие фаундеры, которые все до копейки вкладывали в стартап. Чтобы он стал Единорогом, мы сделали экзит за 10 выручек и стали миллиардерами Спойлер, так не работает. Ни один из пунктов причем Спустя несколько лет бедности удалось начать зарабатывать побольше и включить голову, чтобы НЕ ВКЛАДЫВАТЬ ВСЕ В КОМПАНИЮ Все вокруг хотят от тебя обратного. Ведь важен РОСТ 🤡 Это самый большой буллшит которым кормят общество инвесторы и СМИ У нас был момент, когда нам пришлось задержать зарплаты, один из худших моментов компании эвер. С тех пор мы перестали тратить все в РОСТ. И начали откладывать подушку безопасности компании. Потому что как предприниматель я хочу соблюдать свой самый важный социальный контракт — со своими сотрудниками. Что у меня ВСЕГДА ЕСТЬ деньги на их зарплаты Такой же контракт надо делать с собой любимым. Причем в первую очередь, еще даже до компании Благодаря Арине мы начали формировать нашу подушку, затем начали заставлять ее работать и сейчас это вполне нифига себе механизм, с отличным двузначным приростом в год, диверсификацией и прочими дельными вещами Объективно богатый человек в РФ это любой, кто зарабатывает более 200к в Москве и 150к в регионе, это уже значительно больше среднего по стране. С этих сумм вполне можно откладывать по 10-20% и формировать себе подушку безопасности Соответственно когда Беслан говорит, что «много» он не зарабатывал, тут есть лукавство. Сооснователь успешного бизнеса явно получает больше 200к рублей НЕ работодатель должен заботиться о ваших деньгах и не государство. А только вы, потому что так как вы себя цените, не ценит больше никто Обычно тут встречается нарратив, что 10-15% это ничтожно мало. Но это не так. За год 13-ая, а иногда и 14-ая зарплаты, которые вы сами себе заработали. А если их не тратить на новый айфон, то за года деньги капитализируются Беслану желаю преодолеть ситуацию с лучшим возможным для него исходом и сил, чтобы его дождаться. А к вам у меня вопрос, откладываете ли вы деньги?

Что происходит, когда вас гостят после финального интервью? Вы прошли hiring manager. Команду. Последний раунд с CEO. CEO говорит: we should have a decision next week. Проходит неделя. Тишина. Вы пишете hiring manager. Еще тишина. И начинается любимое: Что я сделал не так? Может, надо еще написать? А CEO? А человеку из команды? Вот здесь интересно посмотреть не со стороны кандидата, а что в этот момент может происходить внутри компании. 👉🏻Самый очевидный вариант: вы кандидат №2. Первому кандидату сделали offer и ждут ответа. А вам отказ пока не отправляют, потому что если первый откажется, компания хочет вернуться к вам. Но есть варианты интереснее. Первый кандидат может две недели торговаться по зарплате. Может принять offer и передумать. Может принять и вообще не выйти на работу. А иногда компания действительно еще ничего не решила. Бюджет. Поэтому две вещи могут быть правдой одновременно: Да, после финала вас могут гостить. И: Нет, молчание после финала еще не означает, что вы получили rejection. Что делать? Я бы сделала один follow-up после обещанного срока. Если ответа нет, еще один через 5–7 рабочих дней. А дальше перестала бы пытаться выбить из компании ответ. С точки зрения вашей job search pipeline эта вакансия уже должна иметь низкую вероятность. Не закрываем эту дверь. Но планов на нее не строим. Продолжаем интервьюироваться. Если вернутся, прекрасно. Если нет, ваш поиск эти две недели не стоял на паузе. Не закрывайте дверь. Но и не стойте возле нее. #сша

Китайские аккумуляторы Camel и российские АКОМ. Часть третья. Расслоение электролита, мнимый заряд и потеря воды Есть контринтуитивная вещь, на которой спотыкаются даже опытные автолюбители. Полностью заряжаешь аккумулятор с перенапряжением, перемешиваешь электролит, всё по науке. И тут же карманный тестер показывает, что ток холодной прокрутки просел, а у соседнего, недозаряженного, он выше. Прибор словно награждает того, кто заряжен не до конца. Отсюда и родился гаражный миф, будто полный дозаряд убивает кальциевую батарею «кипячением». Ошибочность вывода люди подтверждают показаниями цифрового тестера, и цифры действительно на их стороне. Загвоздка в том, что удельное сопротивление раствора серной кислоты зависит от концентрации нелинейно, и прибор ловит не то, что кажется. Разберёмся, почему заряженный аккумулятор выглядит слабее недозаряженного.

⚡️ Как прошел KDD На прошлой неделе прошла одна из ключевых конференций в области ML, и AI VK Research привезла туда две работы по рекомендательным системам. Темы довольно показательные. Первая: как оптимизировать retrieval не под следующий клик, а под поведение пользователя в рамках всей сессии. Вторая: как использовать MDP с матричной факторизацией для candidate generation. То есть обе работы так или иначе про одну большую проблему: как сделать классическую рекомендательную систему не просто хорошей в предсказании следующего действия, а более эффективной на длинном горизонте. Исследователи AI VK Research собрали репортаж прямо с KDD: что обсуждали на конференции, какие тренды заметны сейчас в recsys и как проходила презентация исследований команды.

Как используют Сodex и ChatGPT для работы На картинке наглядно о том, кто и для чего пользуется. Там круто разделено по профессиям и даже сеньорности - такой уровень инсайтов доступен только самому OpenAI, на своих внутренних данных - по ним и написана работа (pdf). Knowledge artifacts в схеме - это создания всяких файлов: слайдов, документов и т.д. Видно, что пользуются сейлзы, маркетологи и продакты (что логично). Самое неожиданное для меня, что анализ данных сильно выражен только у эйчаров (ну понятно, читают резюме через llm), а у остальных анализа данных почти нет. Еще видно, что если человек не кодит, то число кейсов использования llm в работе резко сокращается. В работе кстати кроме прочего интересно считали распределение использования Codex vs ChatGPT. У личных акаунтов доля кодекса 16,5%, у корпоративных 63%, а у контрольной группы из сотрудников OpenAI - аж 99,8%! Наверное многим как и мне, будет интересно сравнить данные таблицы со своим использованием. @kyrillic

Самым лютым троллем в науке долго считался Розенхан. Помните эксперимент, где он сказал, что отправит в психбольницы нормальных людей, а врачи загребут их как психов? Ну, когда за 3 месяца поступило 193 новых больных, персонал выявил 41 самозванца, а учёный никого не прислал? Там не всё так просто. Работа 1973 года. Задача — узнать, смогут ли психиатры отличить здорового человека от сумасшедшего. Гипотеза в том, что они предвзяты, и будут всех считать сразу психами. Розенхан собрал группу из 8 здоровых людей, они пошли в 12 разных психиатрических больниц. Жаловались на голоса, которые говорят слова "пустой", "полый" и "стук". В литературе не было описаний психозов с такими симптомами. Ни один из врачей не раскусил симулянтов. Все 8 человек были госпитализированы. Им ставили диагноз шизофрению и один раз маниакально-депрессивный психоз. Они провели в больницах в среднем 19 дней (от 7 до 52). Выписывали с диагнозом "шизофрения в стадии ремиссии". Как только их клали в палату, они переставали симулировать. Вели себя абсолютно нормально, не пили таблетки и вели дневники. Санитары выходили из ординаторской лишь на 11% рабочего времени. Врачи появлялись в отделении в среднем 6,7 раз за день. В среднем на общение с врачом у пациента уходило 6,8 минуты в день. После публикации врачи знатно охренели, разозлились и предложили матч-реванш. Розенхан предупредил, что в течение следующих 3 месяцев пришлет к ним симулянтов. Из 193 пациентов уверенно определили 41 засланного казачка. Ещё 23 пациента вызвали подозрения. Но Розенхан не прислал ни одного симулянта, и все обращались по делу. В другие месяцы их почти всех бы загребли. Как только человеку ставили диагноз шизофрении, все его нормальные действия трактовались как болезнь. Что бы он там ни рассказывал, это подтверждало диагноз. Основная критика поначалу была сосредоточена на тезисе: "Если я выпью литр крови, приду в травмпункт, выблюю эту кровь, врачи поставят мне диагноз "кровоточащая язва желудка". Значит ли это, что медицина не работает? Нет." Дальше первый эпизод начали разбирать подозрительнее: — Записей "в ремиссии" не было в последних 300 медкартах. Из 12 клиник в 11 термин либо не использовался вообще, либо применяется к менее, чем 1 пациенту в год. 12-я сказала, что использует его примерно в 1% случаев. Если и правда их выписали с таким диагнозом, то врачи повели себя невероятно адекватно. — Врач видит человека, который сам пришел в клинику и жалуется. Он не бухой, не температурит. Стресса у него вчера не было, эйфории тоже, косить ему не от чего. Значит, поражение мозга. Надо помогать. — Про симулянтов — если напугать врачей угрозой обмана, они начнут видеть обманщиков везде. То есть это меняет параметры системы. Работу писал Роберт Спитцер, который создал потом DSM-III, справочник с очень строгими критериями психиатрических диагнозов. Тут решили проверить архивы Стэнфордского университета: — Розенхан сам был первым псевдопациентом. Карточка показала, что он грубо нарушил свой же протокол: у него там было дофига продуктивного бреда и попытка роскомнадзорнуться. — 9-го пациента Розенхан выкинул из статистики. Почему? Потому что ему в больнице понравилось! Он дал психиатрическому учреждению хорошую оценку, гад такой. — Розенхан предупредил главврача только про себя. — Ещё 6 человек — непонятно кто. Никаких реальных записей о них нет. Все данные по срокам госпитализации в черновиках прыгают и не совпадают. Розенхан, скорее всего, просто выдумал 6 участников и их результаты. Слабое место работы — доступ к документам через журналистку, у которой вроде как был лёгкий конфликт интересов, и вообще она журналистка. Но в целом по итогам всё же стоит лишить Розенхана почётного звания тролля. -- Вступайте в ряды Фурье! | Самые дикие посты — Мальчик, ты не знаешь, где живёт дядя Вова? — Дяденька, вы же и есть дядя Вова! — Я знаю! А где я живу?

Недавно YC Startup School выпустил видео со своей бесплатной образовательной программы для основателей стартапов. Всегда очень вдохновляюсь, когда супергерои, построившие классный бизнес, приходят с живыми выступлениями и рассказывают про свои уроки. Вот кто был крашем из выступающих у меня в этот раз. Jensen Huang — «The Mindset That Built NVIDIA» Хуанг рассказывает, как NVIDIA начинала не с той технологии, освоила нужную по трём учебникам из Fry's и в итоге совершила ключевые прорывы в современных вычислениях. [YC Library: Jensen Huang](https://www.ycombinator.com/library/Tq-jensen-huang-the-mindset-that-built-nvidia) Boris Cherny — «Building Claude Code» Интервью с Дианой Ху сразу после запуска Opus 5. Черни рассказывает о том, как создавался Claude Code, на что способны новые модели и как строить продукты, когда возможности ИИ так быстро растут. [YC Library: Boris Cherny](https://www.ycombinator.com/library/UN-boris-cherny-building-claude-code) Dmitri Dolgov — «The Demo Is Only 1% Of The Work» Со-CEO Waymo про то, что демо — это лишь 1% работы: показать, что беспилотная машина умеет ездить, заняло 18 месяцев, а довести это до полноценного продукта — 15 лет. Долгов говорит про world models и closed-loop симуляцию, которые Waymo использует в разработке, и подчёркивает ключевое отличие физических систем от софта: в реальном мире ошибка стоит куда дороже, чем токен, поэтому автономный транспорт требует несравнимо более строгого тестирования, чем обычные продукты. [YC Library: Dmitri Dolgov](https://www.ycombinator.com/library/WV-waymo-co-ceo-dmitri-dolgov-the-demo-is-only-1-of-the-work) Все выступления можно посмотреть здесь: [YC Startup Library](https://www.ycombinator.com/library)

ИИ – метаинтерфейс между человеком и реальностью Он становится полупрозрачной живой линзой – второй сетчаткой между человеком и миром В недавнем эссе NYT Элис Лассман назвала ИИ «социальным герметиком»: он заполняет щели человеческих отношений. Некому написать, не хочется беспокоить друга, страшно спросить напрямую – обратись к ChatGPT. Но метафора «герметика» описывает лишь часть происходящего.   ИИ одновременно становится «социальным лубрикатором», снижающим трение между людьми: он объясняет чужие сообщения, подбирает правильные слова, помогает репетировать трудные разговоры и избегать конфликтов.   А еще он работает «социальным амортизатором» – принимает на себя первый удар раздражения, тревоги, ревности или обиды и возвращает человеку уже переработанную версию его эмоций.   Получается, что ИИ выполняет как минимум три новые социальные функции: заполняет пустоты, снижает трение и поглощает удары при коммуникации людей.   Но самое важное начинается за пределами коммуникации.

ИИ превращается в новый интерфейсный слой среды существования разума.

Он все чаще оказывается не только между человеком и человеком, а также и между человеком и текстом, событием, знанием, проблемой, собственной мыслью.   Т. е. меняется сама среда, внутри которой мы понимаем, интерпретируем и познаем мир, а коммуникация – лишь один из ее процессов. Культура единственного носителя интеллекта постепенно превращается в гибридную культуру двух типов носителей – биологического и алгоритмического, то есть в алгокогнитивную культуру. И одним из ее ключевых отличий становится трансформация культурной медиасреды. ИИ постепенно превращается в метаинтерфейс между человеком и миром. Для математика, исследователя, дизайнера, поэта, студента или школьника это будут разные специализированные ИИ-интерфейсы. Но общий принцип один: мы всё чаще обращаемся к миру через другой интеллект. Прежде главным интерфейсом человека с информационной реальностью были экран, меню, поисковая строка. Теперь им становится другой носитель интеллекта.   В 1970–1980-е графический интерфейс изменил способ взаимодействия человека с компьютером – и помог превратить компьютер в массовый цивилизационный инструмент. Сейчас происходит смена куда более высокого уровня.

Меняется интерфейс не между человеком и машиной, а между человеком и реальностью.

И впервые в технологической истории человечества этим интерфейсом становится иной интеллект.   #АлгокогнитивнаяКультура  #ИнойИнтеллект

Context-1 — поисковый агент, который умеет избавляться от лишнего. Часть 2/2 Продолжаем изучать агент Context-1. В первой части мы рассмотрели, что это вообще такое и какие задачи перед собой ставили авторы. А в этой части поговорим о метриках и обучении. Для оценки качества ответа авторы предлагают использовать четыре метрики: Final answer found (смогла ли модель найти документ с правильным ответом в выдаче), Recall (доля релевантных документов, которые выбрала модель, от общего числа релевантных документов), Precision (число релевантных документов, которые модель отвергла) и FB (среднее гармоническое Recall и Precision; идея авторов в том, чтобы штрафовать модель за отбор нерелевантных документов только под конец обучения). Также предлагают рассматривать Trajectory recall, оценивая качество траекторий и поощряя модель за отбор нужных документов и не награждая чрезмерно за случайное нахождение верного ответа.  На SFT авторы генерировали некоторое количество траекторий с помощью Kimi K2.5. Дальше заводили RLVR на модели gpt-oss-20b с LoRA. Вместо GRPO применяют CISPO — модификацию, которая позволяет лучше бороться с энтропийным коллапсом. Что касается реворда, то здесь на модель накладываются два штрафа: за уменьшение контекста несколько раз подряд и за количество шагов (если их больше 64). В результате модель научилась чаще работать с параллельным вызовом инструментов и лучшему прунингу в сравнении с базовой gpt-oss-20b. А число шагов в траекториях сократилось. С результатами по четырём доменам — веб, финансы, юридическая информация и электронная почта — можно ознакомиться в первой таблице.  Обратите внимание, что Context-1(4x) — это конфигурация, на которой запущено сразу четыре агента, а результаты их выдачи объединены с помощью метода Reciprocal Rank Fusion. Авторы отмечают, что даже в таком случае требуется меньше ресурсов, чем на запуск крупных моделей. Что же касается опенсорсных бенчмарков (таблица 2), то тут оценивалось, есть ли финальный ответ в документах, которые выбрала модель.  В финале авторы отмечают, что им не хватает разнообразия задач — все они представляют собой таски вида «найди что-то в ворохе документов». Также в работе говорится, что потенциально к используемым инструментам можно добавить и тулы для написания кода, и оркестратор. Наконец, предлагается поработать над менеджментом контекста: например, сохранять какое-то минимальное количество информации из выкинутых документов или суммаризировать большие страницы.  Разбор подготовил ❣ Владислав Пыж Душный NLP