Как все взаимосвязано или как мы нашли компанию, которая стоит треть нашего портфеля? Речь про компанию Eragon, которая отлично растет, закрыла Serise A от Khosla Ventures и готовится к Series B. А нашли мы фаундера (Josh) в офисе другой нашей портфельной компании - он спал у них на матрасе. Расскажу вам всю цепочку до этой сделки 🙂 Все началось больше 2 лет назад: у акселератора HF0 был только их самый первый батч, мы про них узнали, и начали внимательнее смотреть за теми, кто попадает в батчи. На тот момент у нас еще не было нашей модели поиска стартапов, мы много парсили сами и нашли в LinkedIn ClerkChat AI, просто потому что они недавно поставили себе бейджик HF0 в профиле. Мы познакомились, проект нам понравился, и мы в них проинвестировали до демо дня. Позже мы заметили компанию FinalRound, попросили на них интро у ClerkChat, потому что они оба из HF0 и знают друг друга. Нам тоже понравилось что делают ребята, и мы первыми дали чек в раунде. Через год после этого, я после Burning Man остался еще на неделю в городе и встречался с портфельными компаниями. Мы договорились встретиться с Michael из FinalRound у них в офисе в субботу утром. Я приехал чуть раньше и застал там спящего на матрасе (на втором этаже) фаундера Eragon. Josh проснулся и ушел бегать, мы пока провели встречу с FinalRound, а когда он вернулся - мы познакомились, и выяснилось, что его стартап уже давно у нас на радаре: мы им писали, но ответа не было. Мы отлично поговорили, и уже в понедельник подписали документы по сделке. А потом еще и доинвестировали на следующих раундах. И Josh нам уже потом помог зайти еще в две портфельные компании, которые нашла модель, но мы не могли выйти на фаундеров. Получается, что важно все: и нетворк, и модель поиска стартапов, и наш аутрич, и умение быстро закрывать сделки.

Вышло интервью с Тибо: главой Codex/ChatGPT в OpenAI Это тот самый парень-инсайдер, который постоянно намекает в X на релизы и объявляет об обнулении лимитов. Возможно, по вырезке из интервью вы его не узнаете, но это он (жизнь в OpenAI немного помотала, и на свою аватарку из X инженер мало похож) 😐 Он выдал мощное заявление: через 2-3 месяца текущий Codex будет казаться примитивным. Агенты на базе следующего поколения моделей OpenAI (Astra) перестанут работать локально, им потребуется облако, в котором будет запускаться гораздо больше параллельных процессов, чем сможет потянуть обычный ноутбук. При этом скорость агентов существенно вырастет, и то, что сейчас мы называем Ultra Fast (750 токенов в секунду и больше), станет настройкой по умолчанию. Кроме того, нас ждет еще более плотное слияние Codex и ChatGPT. Будущие модели будут работать из коробки на одном и том же харнессе для кодинга, рисерча, дизайна, поиска и пр. Так что конечная цель – это единое высоко персонализированное приложение Personal AGI, интерфейс которого будет меняться в зависимости от того, чем конкретно вы занимаетесь. Полное интервью идет 45 минут, посмотреть можно здесь: https://youtu.be/4qjEgPojjzM

Уйти из бигтеха, чтобы исполнить мечту Сегодня у меня в гостях Маша Ревинская: экс-руководитель Ultima Яндекс Go, участница Forbes 30 Under 30, а теперь – кофаундер стартапа в Кремниевой долине и студентка Harvard Business School. Несколько лет Маша мечтала запустить свой проект в Штатах. Но чем лучше складывалась карьера, тем сложнее было решиться на этот шаг. Сейчас она делает приложение про счастье, превращая его из абстракции в измеримый показатель и пытаясь понять, как мы можем на него влиять. 💥 Смотреть на YouTube 💥 Смотреть в VK О чём поговорили: • как за 15 минут попасть в Яндекс, а через два года уйти с позиции мечты • почему в топ-менеджменте по-прежнему больше мужчин • чем отличается женский менеджмент и почему Маша выбирает мягкую силу • как состояние руководителя влияет на всю команду • можно ли измерить счастье и на какую его часть мы действительно можем влиять Этот разговор – о том, как выйти из успешного, но уже понятного сценария и написать новый. И о том, можно ли относиться к счастью так же системно, как к бизнесу. Приятного просмотра!

Ребенок легче взрослого, быстрее осваивается в новой обстановке и обладает пластичной нервной системой — значит, невесомость он перенесет проще. Это рассуждение звучит убедительно ровно до тех пор, пока ребенка считают уменьшенной копией взрослого. На самом деле его скелет еще набирает прочность, мышцы учатся работать вместе с нервной системой, вестибулярный аппарат настраивает ощущение положения тела, а органы и ткани проходят этапы, которые нельзя повторить после завершения роста. Если в этот период убрать постоянную нагрузку земного притяжения, организм будет не только приспосабливаться к новой среде: он станет формироваться внутри нее. Каким получится результат, медицина сегодня не знает: длительных орбитальных исследований с участием несовершеннолетних не проводилось. Подробнее в материале официального блога МАИ на Naked Science: https://naked-science.ru/article/column/rozhdennye-vne-zemli-poch

Соревновательные игры убивают сердце — особенно файтинги вроде Street Fighter, Tekken и Mortal Kombat и симуляторы FIFA. Исследования показывают, что во время матчей у игроков активируется симпатическая нервная система: растут пульс и давление, а организм реагирует на напряжённые моменты примерно как на стрессовую ситуацию. В экспериментах с FIFA, League of Legends и файтингами эффект был особенно заметен при игре против живого соперника. При этом говорить, что соревновательные игры «опасны для сердца», нельзя. Для здорового человека кратковременный скачок пульса и давления — нормальная реакция. Но при гипертонии, сердечно-сосудистых заболеваниях, недосыпе, энергетиках и никотине многочасовые рейтинговые зарубы с тильтом уже могут давать заметную нагрузку на сердечно-сосудистую систему. А дальше вызывать серьезные проблемы со здоровьем. 😒😒😒

Прозрачные устройства: три DIY-проекта, которые видно насквозь Раньше у каждого дела был свой предмет со своей формой и звуком — плеер для музыки, часы для времени, термометр за окном. Потом смартфон проглотил всё разом, и вместе с удобством ушло то самое «вау, а что это, покажи». Прозрачным аналитик из КОРУСа делает не только корпус, но и сам принцип работы — каждое устройство делает одно дело и не прячет, как устроено внутри. Часы Stellar Clock собраны из медной проволоки без единого обычного провода, поэтому словно парят в воздухе и держат сами себя. Плеер живёт внутри настоящей аудиокассеты из восьмидесятых, и внутри нет ни микроконтроллера, ни кода, ни облака. А голосовой ассистент БИБС помещается в ладони и работает без подписок и токенов.

Как компании трансформируют соцпакет Дима Бескромный написал любопытную штуку про эволюцию соцпакета в компаниях. Смотрите, хороший корп оффер (ну, помимо зарплаты, карьерных перспектив и печенек) всегда измерялся наличием и жирностью ДМС, желательно со стоматологией. Это, так сказать, база-основа и классика. Относительно недавно эйчары начали соревноваться в заботе, и у компаний появились психотерапевты, тревел-консьержи, груминги для питомцев и чего только не. А теперь, по исследованию ORO, 31% сотрудников хотят видеть в соцпакете ещё и цифровые подписки. Кажется, что это фигня какая-то, но если посмотреть, куда стремится доля трат на подписки в общем бюджете у цифровых и продвинутых ребят - то получится вообще ни разу не фигня. Дима называет это переездом соцпакета из категории "на экстренный случай" в категорию ежедневных трат. Я в целом согласен, но ИМХО это не просто ещё одна плюшка в списке (= расширение ассортимента), а его качественный апгрейд, углубление. Дело в том, что у ДМС и подписки принципиально разная физика ценности. ДМС - это страховка на случай, который может наступить, а может и мимо пройти. Стоматологию вы вспомните раз в год, а МРТ и вовсе может не понадобиться никогда. То есть, ценность реальная и потенциально высокая, но как бы.... статистическая. Вы платите (точнее, не вы, а компания) за спокойствие, а не за гарантированное использование. И психологически такую ценность легче обесценить: деньги на неё вроде бы потрачены, а вы этого можете месяцами не замечать (и хорошо, если не замечаете, дай Бог каждому). А подписка работает наоборот. Вы открываете условный Кинопоиск вечером после работы, слушаете Музыку по дороге в офис, и ценность подтверждается каждый день раз за разом. И поэтому её восприятие может быть сильнее, чем ДМС, даже если в рублях она дешевле на порядок. Дима приводит в пример британский GEOLYTIX, который просто оплачивает сотрудникам Amazon Prime. В России доступ сотрудникам к подпискам сейчас дают 4% работодателей, и судя по опросу, работники с такой привилегией чаще пользуются подпиской Яндекс Плюс (46%), следом идёт СберПрайм (25%), а дальше Wink Все в одном (12%). Пока это довольно нишевая история, рынок только формируется. Опять же, корп подписки на лайфстайл-сервисы есть только у 4% сотрудников (и это в выборке исследования, по всему рынку может быть гораздо меньше). Но вангую, что тема будет расширяться, т.к. это довольно легко и дёшево для работодателя, но при этом ништяк максимально понятный и прикладной для юзера. Дизраптор

🛠️ Метод Сначала определяют, какие слои лучше всего отображаются из одной модели в другую. Для этого обучают гребневую регрессию (Ridge Regression) между всеми парами слоёв source- и target-модели и находят те, где R² самый большой. При этом важно фитировать pre-RoPE-ключи. Так и ошибка выходит меньше, и на другие контексты экстраполируется лучше. Замечают, что ключи предсказываются лучше, чем значения. Впрочем, это было известно и из прошлой литературы. После определения самых важных source-слоёв для данного target-слоя признаки из них конкатенируют в один тензор и снова обучают на этом гребневую регрессию. Показывают, что важно брать не один, а несколько — 4–8 — слоёв из source-модели для приемлемого R². ⏱️ Занимает это час-полтора на ноде из 8×H100. 🧪 Эксперименты Валидируют подход на моделях семейств Qwen3, Llama-3.1, Ministral и на задачах с коротким ответом: ARC-C, HellaSwag, Winogrande, MMLU. На паре Qwen3 14B → 32B работает неплохо, на Qwen3 8B → 32B — уже хуже, а на Llama 3.1 и Ministral 3. В ablation показывают для Qwen, что pre-RoPE важен и что k = 1 — брать один самый важный слой — недостаточно. Для Ministral 3 можно вытянуть качество, если заменить линейную модель на MLP. Для Qwen3 это не помогает. Утверждается, что оверхед от маппера из source в target небольшой — в 3–25 раз меньше, чем prefill. 💡 Выводы Интересное исследование и идея, но будто бы до практического использования ещё далеко. Тесты — на простых бенчах, и будто бы подход не универсален. Для качественного отображения между разными моделями, скорее всего, потребуется более выразительная модель, и здесь возникает сложный trade-off между потенциальным выигрышем, стоимостью работы и обучения этой прокладки.