Похоже, mass apply сам себя убил 😂 Сегодня поучаствовала в очень интересной дискуссии на LinkedIn, где десятки рекрутеров обсуждали две большие проблемы рынка 2026: 👉🏻 огромное количество подач + fake applications. Один из участников написал, что у них объем inbound applications за последние 18 месяцев вырос в 20 раз. Вдумайтесь! И совершенно логично: никакой рекрутер не мечтает каждое утро открывать ATS и разгребать очередную тысячу резюме. Основной посыл дискуссии был очень интересный: 👉🏻рекрутеры все меньше хотят полагаться на inbound и все больше возвращаются к sourcing. То есть не: опубликовали вакансию → получили 2,000 applications → ищем среди них нормального кандидата а: определили профиль кандидата → сами нашли 50–100 потенциально подходящих людей / сорсинг → написали им. И инструменты для этого становятся все мощнее: Juicebox, Pin, Noon, Metaview - известные поставщики сорсинга кандидатов. Тот же Juicebox собирает данные кандидатов из тридцати разных источников. Плюс компании собирают собственные агенты, в том числе на базе Claude. И вот моя гипотеза. Возможно, это одна из причин, почему доступных ролей становится все меньше. Не потому что компании перестали нанимать. А потому что зачем открывать поток некачественных подач, получать тысячи заявок, если нужных кандидатов можно найти самим в том же самом Juicebox? 🤷‍♀️И тогда для кандидата снова меняется задача. 👉🏻2020: оптимизировать resume под ATS. 👉🏻2024: использовать AI, чтобы быстрее подаваться. 👉🏻2026: все используют AI и подаются слишком быстро. 👉🏻Следующий этап: recruiter сам найдет тех, кого хочет интервьюировать. 😂 А значит, теперь ваша задача — это не только хорошо подаваться. Ваша задача быть видимым и понятным для сорсинг софта. Создать вменяемый цифровой след! LinkedIn. Keywords. Website. Portfolio. Четкое позиционирование, понятное машине. Похоже, эпоха я просто отправлю еще 5000 подач потихоньку подходит к своему логическому финалу. #карьера #сша

Продление закона Мура — переход на атомные размеры и 3D-архитектуру Пока на Хабре хоронят закон Мура, несколько команд показали, куда двигаться дальше. В Пекинском университете сделали ферроэлектрический транзистор с затвором в 1 нанометр, это меньше двойной спирали ДНК, и уронили рабочее напряжение до 0,6 В. IBM на симпозиуме VLSI показала кремниевый канал толщиной пятнадцать атомов и 3D-архитектуру Nanostack, где транзисторы ставятся в два слоя друг над другом. В чипе почти сто миллиардов транзисторов, а плотность против 2-нанометровой версии выросла почти вдвое. Параллельно в Шанхае собрали флэш-память на двумерном материале в десять атомов толщиной и получили выход годных изделий 94,34%. Разговоры о смерти закона Мура, кажется, немного преувеличены.

AI автоматизирует вашу работу — но не мою Behavioural Insights Team опросила 3500 работающих британцев на тему того, как они оценивают риски автоматизации своей профессии, и профессии других людей. 43% опрошенных считают, что в ближайшие 10 лет AI сможет выполнять большинство задач в работе других людей. Однако, когда речь заходит об их собственной работе, этот показатель падает до 35%. Что особенно интересно: молодые специалисты, люди с высшим образованием, высокооплачиваемые сотрудники, работающие в офисах, демонстрируют наибольшую уверенность в том, что AI справится с их задачами. У этих групп также минимальный разрыв между оценкой своей и чужой работы. И у них же самая высокая частота регулярного использования AI-инструментов. Считается, что наиболее подвержены автоматизации те виды профессий, которые основаны на понятных процедурах, в то время как работа, которую сложно формализовать, скорее всего, будет дольше сопротивляться автоматизации. Так вот, люди, чья работа в основном состоит из выполнения повторяющихся процедур, оценивали риски автоматизации своей профессии ничуть не выше, чем те, чья работа не привязана к явным инструкциям и регламентам. → https://www.bi.team/blogs/the-perception-gap-ai-can-do-your-job-not-mine/

🌟 IBM представила открытые модели Granite 4.2 Granite 4.2 - семейство языковых моделей под агентные сценарии и корпоративные задачи. Модели умеют рассуждать шаг за шагом - планируют, прежде чем действовать, взвешивают варианты, прежде чем выбрать путь, и ловят собственные ошибки до того, как те во что-то выльются. Версии - на 3, 8 и 30 миллиардов параметров с окном на 128K (для длинных контекстов до 512К). Архитектура dense, так что семейство зайдёт и для облаков, и для своих серверов, и под периферийные устройства. 🟡Обучение Первый этап, базовое RL-обучение, прошли все три модели. Он подтянул математику, науку, код, рассуждения и работу с инструментами, причем награду считали двумя способами сразу: где ответ можно проверить формально - проверяли, где нельзя - оценивали отдельной моделью-судьей. Модели на 8 и 30 млрд прошли еще и агентный этап, заточенный под корпоративные сценарии: разработку ПО, работу в терминале и поиск. Навыки кодинга и рассуждения обучали на триллионе токенов синтетического кода из собственного конвейера IBM CodeAlchemy.

Есть еще слой спекулятивного декодирования - модель угадывает продолжение наперед и проверяет траекторию ответа наперед вместо пословной генерации. Текст выходит быстрее, а серверы инференса тянут больше пользователей одновременно.

Семейство доступно везде: Hugging Face, Ollama, CoreWeave и еще на десятке площадок. 🟡 Распознавание речи Заодно IBM выпустила две речевые модели английского языка - Granite Speech 5.0 Turbo CTC и ее некоммерческую версию с индексом NC.

Скачок в нумерации с 4.1 сразу на 5.0 не случаен - это принципиально другая конструкция, чем была в 4-й серии.

В них всего 470 млн параметров и внутри нет языковой модели. Под капотом CTС (connectionist temporal classification) - способ сопоставлять звук с текстом без промежуточной разметки, и он особенно хорош на потоковом аудио.

В тестах IBM на одной H200 пропускная способность, RTFx, дошла примерно до 12 600. Нынешние лидеры публичного лидерборда Open ASR держатся около 6000.

Отдельно IBM снизила частоту дискретизации, и вот это дает главную цифру - три часа записи модель расшифровывает за секунды. 📌 Лицензирование: Apache 2.0 License 🟡Страница релиза 🟡Веса Granite 4.2 🟡Веса Granite Speech 5.0 @ai_machinelearning_big_data #AI #ML #LLM #ASR #Granite #IBM

В вашей CRM пять стадий. В реальной enterprise-сделке — пятнадцать Впереди выходные — есть время на лонгрид. Подготовил как раз такой. Разобрал 1,5-часовой выпуск Lenny's Podcast с Дженн Абель (ко-фаундер JJellyfish, отвечает за enterprise-продажи в State Affairs, среди клиентов Walmart, Mastercard и McDonald’s) — она проходит корпоративную сделку по шагам, от первого письма до подписи. И расхождение с реальностью фаундера получается неприятное: в CRM пять стадий, а реальных шагов около пятнадцати. Сделки умирают ровно в тех десяти, которых в воронке нет. Внутри: — почему на первом звонке не должно быть презы вашего продукта; — как промптинг людей помогает при подготовке к демо; — как за пять минут найти того, кто убьёт сделку; — какие 20% продукта выбрать для демонстрации; — почему бесплатные пилоты работают только 48 часов. Отдельно — бенчмарк по win rate: здоровая конверсия из квалифицированного лида в подписанный контракт 25–35%. Если не попадаете, в статье есть бенчмарки для ключевых этапов воронки, чтобы найти где она протекает. Забирайте на выходные: 👉 B2B-продажи для стартапов: 14 шагов сделки, которых нет в вашей CRM Андрей Резинкин | Money For Startup

Постулат Фейнмана о поведении квантовых частиц подтвержден экспериментально Физики впервые смогли экспериментально проверить фундаментальный постулат квантовой физики, сформулированный Ричардом Фейнманом почти 80 лет назад. Речь идет об интеграле по траекториям, который предсказывает поведение квантовой частицы через суммирование всех возможных путей ее движения. Опыт, проведенный китайской группой с одиночными фотонами, подтвердил, что формула Фейнмана работает в точности, как он предложил в 1948 году, хотя раньше ее считали лишь математическим инструментом. https://hightech.plus/2026/08/28/postulat-feinmana-o-povedenii-kvantovih-chastic-podtverzhden-eksperimentalno

Как ограничения рождают инновации Коко Шанель не была профессиональной портнихой и не умела строить выкройки. Дорогих тканей у неё не было — только простой джерси. Для многих это стало бы препятствием, но не для Шанель. Без чертежей, прямо на модели, с ножницами и булавками она создавала приталенные жакеты, платья и строгие костюмы — которые стали визитной карточкой бренда. Даже культовая короткая стрижка родилась случайно: газовая колонка опалила волосы, и Коко просто обрезала косы. Так появился образ независимой, стильной и деловой женщины. Вывод для предпринимателей: навыки и ресурсы не всегда решают. Главное — идея и смелость воплотить её, превращая ограничения в уникальные возможности. Фаундер | Бизнес и Стартапы