CTO Страйпа перешел на должность CTO Антропика. А один из предыдущих СТО Страйпа (Грег Брокман) - президент Open AI.

Вот такая вот у нас тут кузница кадров

Читаю блог-пост про Файн-тюнинг с помощью LoRA. Оказывается, оптимальный lr должен быть аж на порядок выше чем при full finetuning.

Чего еще я не знаю про LoRA? Расскажите в коментах

Пост для любителей обучать нейросети на работе, после работы, вместо работы, на выходных, в отпуске, с женой или вместо жены.

На прошлой неделе стартовал Wunder RNN Challenge —соревнование по нейронкам от HFT-фонда Wunder Fund.
Участникам предстоит создать модель, предсказывающую следующее состояние рынка на основе последовательности предыдущих состояний. Именно с такими задачами каждый день работают кванты.

Когда
15 сентября — 1 декабря

Призовой фонд
$13,600

Вы будете работать с реальными биржевыми данными.
Победители получат денежные призы, возможность пообщаться с нашими квантами, а главное — утонченное интеллектуальное удовлетворение от решения сложной задачи.

Wunder Fund с 2014 года занимается HFT, высокочастотным алгоритмическим трейдингом. Мы торгуем на многих биржах по всему миру — как традиционных, так и криптовалютных. Наш дневной торговый оборот превышает $10 млрд.

>_ Участвовать

#текстприслан

В новом исследовании авторы проверили, может ли одна крупная генеративная видеомодель без дообучения решать разные задачи - от классической перцепции (границы, сегментация, улучшение кадра) до простых визуальных головоломок (лабиринты, симметрия). Вместо отдельной модели под каждую задачу они давали только инструкции в промпте - буквально «реши и нарисуй вот так» - и смотрели, появится ли ответ в кадрах. Оказалось, что на десятках задач и тысячах примеров модель часто справляется zero-shot.

Как «программировать» модель ролями

Ключ - задать и задачу, и формат вывода. Это превращает генерацию в визуальную аналитику: вы получаете не описание, а аннотированный видеоряд.

Мини-шпаргалка промптов (скопируйте)



You are a video analyst. Solve the task and DRAW the answer ON TOP of frames.

Maze: draw the shortest valid path in RED, thickness 3 px, unbroken line from START to GOAL.

Segmentation: fill ONLY the person with a semi-transparent overlay; keep everything else unchanged.

Background removal: keep the subject; replace background with uniform gray; avoid halos around hair.

Physics: render two variants side-by-side labeled “Earth (9.81 m/s^2)” and “Moon (1.62 m/s^2)”; show motion difference.

Deblur/denoise: increase sharpness while preserving faces; avoid over-smoothing and ringing artifacts.

ь и нарисовать ответ вот так. На сайте куча крутых примеров, которые позволяют поверить в то, что генеративные видео модели можно использовать как LLM для решения задач в режиме zero-shot.

Сайт статьи

Первая мысль - ой зря мы это сделали

Обсуждали с ним, что мы живём в демках и твиттере - и легко поверить, что массовое внедрениеAI уже случилось. Выходишь из пузыря: цели размыты, пилоты «для галочки», ответственности за результат нет.

Еще поговорили про Skill issue - это когда инструмент «винят» за ошибку постановки задачи: дают грязные данные, просят «сделай красиво», не задают критерии качества и владельца, не делают пост-проверки. Итог - «AI не работает».

Что делать на практике:
Вспоминаем что AI система - это в первую очередь система, и во вторую AI, и итеративно улучшаем: сначала данные, потом инструкцию, потом модель.

Digital-маркетинг | 2-3 октября | Питер

Секция объединит практикующих маркетологов, бренд-менеджеров и специалистов digital-сферы. Здесь вы получите реальные инструменты для интеграции каналов, оптимизации бюджетов и повышения ROI, а не просто теорию на слайдах.

На секции выступят спикеры из ведущих компаний, среди них:

→ Светлана Федорова, руководитель департамента продвижения и PR в Союзмультфильм. Тема доклада: «Битва за Альф - это вам не игрушки»
→ Алексей Павлов, PR в BesedER. Тема доклада: «Дофаминовый маркетинг: проектируем игровые механики под ваши бизнес-задачи»

Разберём ключевые направления: Взаимодействие digital-инструментов и AI в маркетинге.
А после основной программы – афтепати, чтобы обсудить услышанное в неформальной обстановке и найти партнёров и единомышленников!

Форматы участия: онлайн и офлайн (2-3 октября в Санкт-Петербурге)
Купить билет можно на сайте

По промокодку Nn_for_science скидка 10%!

Следите за новостями в Телеграм и ВКонтакте

#промо

Три года назад ChatGPT был игрушкой для гиков. Сегодня - 700 миллионов активных пользователей еженедельно, 18 миллиардов сообщений в неделю. Harvard и OpenAI проанализировали, как люди реально используют этот инструмент.

Стереотипы рухнули

Забудьте про “ChatGPT для программистов-мужчин”. К июню 2025 женщины - половина аудитории. Почти 50% запросов от людей младше 26, но старшее поколение догоняет. Самое неожиданное: развивающиеся страны показывают непропорционально высокий рост - Индия, Бразилия, Нигерия опережают США и Европу.

Три способа использования

Asking (49%) - “Помоги разобраться”
Не просто вопросы, а поддержка решений. Выбор между job-офферами, анализ инвестиций, плюсы-минусы переезда. Растёт быстрее всех и получает высшие оценки качества.

Doing (40%) - “Сделай за меня”
Письма, презентации, код. Доминирует в рабочих задачах (56% рабочих запросов).

Expressing (11%) - “Просто поговорить”
Размышления вслух, эмоциональная разгрузка.


О чём спрашивают (75% всех запросов)

Практические советы - 29%
От починки крана до ведения переговоров.

Поиск информации - 24%
Выросло с 14% за год. ChatGPT вытесняет Google для фактчекинга и сравнения товаров.

Написание текстов - 24%
Упало с 36%. Важно: 2/3 — редактирование вашего текста, не генерация с нуля.


Сюрпризы

Кодинг - всего 4.2%**
Программисты ушли в специализированные инструменты (Cursor, Copilot).

Работа vs личная жизнь: 30/70

70% использования — личные задачи, и эта доля растёт. В работе 40% — тексты: email, презентации, документы.


Где настоящая ценность

Главное открытие: максимальную пользу даёт не автоматизация рутины, а улучшение качества решений. ChatGPT помогает увидеть слепые зоны, структурировать мышление, рассмотреть альтернативы.

Пример: выбирал между двумя квартирами. ChatGPT предложил критерии, которые я не учёл - от розы ветров до демографии района через 10 лет. Решение за день вместо недель.

Вопрос: Вы больше спрашиваете советы (Asking) или делегируете задачи (Doing)? Где ChatGPT дал максимальную пользу - работа или быт?

Исследование