РИСЕРЧОШНАЯ

Прочитал пост Крис про Топ менеджеров и вот мое непопулярное мнение

Я стараюсь избегать в канале тем касающихся личной жизни. Но на самом деле тема достаточно острая для меня в последнее время.

Последнее время я замечаю, что чем выше люди по грейду тем они более странные. Я более чем уверен невозможно зарабатывать десятки миллионов и не пройти какую нибудь психиатрическую больницу. Люди считают что они пупы земли, и о них не бывает других мнений и их не должно существовать, что они самые хорошие, гениальные и их жизненная позиция верная для всех остальных.

И казалось бы это парадоксально высокий грейд по себе подразумевает умение эмпатии, разрешение конфликтов и тп менеджерских скиллов и понимания иерархии. А значит и умение ставить себя в позицию других. Но на деле все те люди, которых мы восхваляем в корпоративной культуре (без имен) имеют очень тонкую душевную организацию если банально у вас разные взгляды.

Кому то не нужны миллионые зарплаты, потому что они не готовы брать на себя такие риски, а у кого то просто сложилось о вас совершенно другое мнение, так как они видят вас совершенно под другим углом. И это все нормально, вас не должны все любить.

И очень забавно, что многие лиды+ действительно считают, что их так не любят, их так ненавидят что жить не могут не дня без них. Ну это буквально психотерапия уже, вы кроме свой мамы в этой жизни то особо и не нужны никому, а через поколение о вас уже забудут.

Чем больше руководишь, тем больше сам задумываешься, а не поехал ли ты кукухой сам? Себя то не оценишь

Как решать задачи с помощью Perseus

Недавно я писал о том, что Т-Банк выложил в открытый доступ фреймворк Perseus. Теперь ребята выложили на Хабр подробный туториал от подготовки данных до обучения модели и получения прогнозов. А код лежит на гитхабе.

Все этапы разобраны на малой версии датасета T-ECD и четырех сценариях — кандидатогенерации, ранжировки, классификации и регрессии. В первом случае модель прогнозирует товары, на которые пользователь может кликнуть на следующий день, во втором — распределяет готовый набор товаров по релевантности. Классификация используется для прогноза того, совершит ли пользователь хотя бы одно активное действие в Marketplace в течение следующих семи дней, а регрессия — для прогноза суммарной стоимости товаров, с которыми он положительно провзаимодействует в Marketplace в течение следующих 30 дней.

Для каждого сценария подготовили отдельный базис, рассчитали бейзлайн, обучили модель с помощью Perseus и сравнили результаты на одном инференс-базисе. Также показали, как устроен Event Hub и как запускать обучение и инференс. Все настройки собраны в одном YAML-конфиге. Через него можно подключать данные из других доменов, добавлять признаки и менять компоненты модели, не переписывая весь пайплайн.

https://habr.com/ru/companies/tbank/articles/1081276/

Яндекс Музыка представила Sona - модель поверхности "Моя Волна", которая успешно заменила собой связку кандидатогенерации и ранжирования. Приросты более чем серьезные: активные пользователи +4.53%, время прослушивания +6.30%, лайки +11.42% (Sona Technical Report).

В разборе ниже все подробности.

😎

Дамы и господа!

Обратите внимание, что kimi.ai теперь можно оплатить картой МИР!

Вижу что вам очень зашел такой формат и в прошлом посте больше всего споров вызвал тезис про офис. Многие написали, что офис на карьерный рост никак не влияет.


Сразу уточню: офис не делает вас умнее, продуктивнее или технически сильнее. Можно быть A-player на удалёнке и абсолютно бесполезным человеком в офисе. Но работа состоит не только из выполнения задач.

Когда-то у одного хорошего менеджера я прочитал про эмпатию. Человечество развилось не только потому, что отдельные люди становились умнее. Мы научились понимать друг друга, объединяться и передавать знания следующим поколениям. Эмпатия дала нам возможность увидеть мир глазами другого, язык — договориться, а культура — не начинать каждый раз с нуля.

Совершенно очевидно, что это легко трансформируется и на компании и корпаративную среду, особенно выраженно например в яндексе.

Или вот возьмем Google, можно почитать например Статью Наделлы, а точнее материал Microsoft 2017 где пересказывающий его выступления в Лондоне на презентации книги Hit Refresh.

Наделла рассуждает примерно так: технически сильный человек умеет решать сформулированные задачи, но наиболее ценные специалисты замечают ещё не сформулированные потребности. Чтобы увидеть проблему глазами клиента, сотрудника или другого человека, нужна эмпатия. Поэтому лучшие продукты Microsoft, по его мнению, появлялись тогда, когда команда интуитивно понимала, чего людям не хватает, хотя сами пользователи ещё не могли этого объяснить.

Эта идея выросла из его личной истории. Сын Наделлы Зейн родился с тяжёлым поражением мозга и церебральным параличом. Поначалу Наделла переживал произошедшее через себя: что стало с его планами и как теперь изменится его жизнь. Позже он понял, что несчастье произошло не с ним, а с сыном. Ему потребовалось научиться смотреть на мир глазами Зейна. Именно этот опыт он называет своим личным Hit Refresh — моментом внутренней перезагрузки.

Есть в материале и забавная история о его собеседовании в Microsoft. После нескольких часов технических заданий его спросили: «Что вы сделаете, если увидите лежащего на улице младенца?» Наделла ответил, что вызовет экстренную службу. Интервьюер сказал ему: сначала ребёнка нужно поднять и обнять. То есть можно прекрасно решать алгоритмические задачи, но не всегда понимать простую человеческую ситуацию.

Тут связь с эмпатией и человеческой эволюцией довольно прямая. Удалёнка хорошо передаёт информацию, а офис лучше передаёт контекст. На удалёнке общение более инструментальное: чтобы поговорить с человеком, нужно сформулировать причину, написать ему и назначить созвон. В офисе коммуникация возникает сама. Иногда пятиминутный разговор у доски передаёт больше контекста, чем двадцать сообщений.

Исследование коммуникаций 61 тысячи сотрудников Microsoft показало, что после перехода на полную удалёнку связи стали более замкнутыми внутри привычных команд, а обмен информацией между разными группами сократился. Общение также стало более асинхронным. Это не доказывает, что люди работали хуже, но показывает, почему на удалёнке сложнее находить новые связи и получать контекст за пределами своей зоны ответственности. Ну давайте будем честны, мы все помним что было во время ковида.

В офисе проще накапливать социальный капитал: понимать людей, получать неформальный контекст, становиться заметным и включаться в проблемы за пределами своей должности. Именно эти качества часто требуются для следующего грейда.

Ну давайте будем честными никому не нужны ваши хард скиллы, у всех щас есть подписка на codex, сlaude code, etc. Щас каждый человек плюс минус умеет писать код. Gap между middle, senior, senior+ не сильно большой в хардах. В опыте, в умении строить системы, вести проекты, делегировать задачи это да.

Очевидно что офис часто ускоряет ваше превращение из исполнителя в участника системы, а если вам доверяют проекты то у вас и растет насмотренность и доверие к вам, умение играть в политику. Кто играет в цивилизацию вот можете так и представить корпоративную среду, оно в целом мало чем отличается 😂

Увидел у коллег скрин хорошей  инициативы – команда исследователей Т-Технологий отправила тех вузам свой открытый датасет T-ECD вместе с гайдом для быстрого старта и идеями для исследований. 

Исследователи представили техрепорт о датасете в основной программе конференции ACM KDD 2026 в Южной Корее. В самой работе описали устройство датасета, привели бенчмарки нескольких рекомендательных моделей и результаты экспериментов по переносу данных о пользователях из разных доменов. 

Студенты и иследователи вузов смогут тренировать свои модели на настоящих данных, которые похожи на те, что используют в работе реальные энтерпрайзы. Для части сценариев даже не нужны GPU. Экономия студенческого баджа. 🚬

Решил попробовать новый формат, посмотрим зайдет вам или нет. Побыть для вас таким визионером.

Можете меня поздравить уже год с лишним работаю в ВБ, и переодически выпадает возможность чуть-чуть двигаться по грейду.

Я определенно вижу одну тенденцию, что в реальности рост в компаниях связан с уровнем вашей проактивности, наглости и хождению в офис.

Не столь важно какие у вас технические навыки, будь вы A-player, senior или middle. От вас ожидают проактивность. Чем вы более самостоятельные — сами найдете проблему, сами ее подсветите, сами ее решите тем лучше. Таких людей любят, а иначе придется тратить на вас много ресурсов из-за микромеджмента. Лид всё таки не ваша мама, что бы вам слюнки подтирать и говорить что вам делать.

Наглость может быть как здоровая так и не здоровая, но обе работают. По сути чем больше ответственности вы покрываете тем больше у вас власти в компании. Здоровая наглость это брать больше ответственности, отстаивать свою ценность и ваших проектов. Но есть и вторая сторона этой медали — ничто не мешает вам заниматься ну например селективностью и тд.

Вторая забавная корреляция — если вы не ходите в офис вы не растете. К сожалению чаще всего это действительно так, особенно если вы лид. В офисе процессе решаются быстрее, все важное происходит в офисе. За год я заметил, что у нас действительно большая часть людей кто ходил в офис так или иначе выросли.

Что думаете?

Главные ML-итоги первого полугодия — за один вечер

13 августа пройдет ML Global Recap'H1 2026 — встреча для тех, кто хочет быть в курсе ключевых событий и трендов.

На встрече обсудим значимые работы с ICML и других международных конференций, а также послушаем руководителей команд Яндекса:

• Артём Бабенко, руководитель Yandex Research, расскажет о развитии Tabular DL;
• Дмитрий Мокеев, руководитель группы качества претрейна Alice AI в Яндекс Поиске, разберёт тренды и вызовы в ризонинге;
• Иван Дёгтев, руководитель аналитики Alice AI LLM в Яндекс R&D, поделится новыми подходами и стандартами в оценке качества моделей;
• Андрей Бежин, руководитель службы ML-инфраструктуры в Яндекс R&D, расскажет об оптимизации LLM-инференса.

Будет возможность задать вопросы спикерам, обсудить насущное и пообщаться с коллегами.

Участвовать можно очно в Москве или онлайн.

🔗Подробности и регистрация — на сайте события.


Реклама. ООО "ЯНДЕКС". ИНН: 7736207543. Erid: 2VtzqxW3R9u

Нужна ваша помощь! 👀👀👀

Мы, Steelman Labs, написали наш первый блог-пост: о том, что не так с computer use и как мы это решаем. А ещё выложили красивый демо-видос.

https://x.com/SteelmanLabs/status/2082789336995528727?s=20

Большая просьба помочь хайпом в твиттере

IR конференции

Перед тем как переходить к постам про статьи и конференции, хочу дать небольшой контекст уважаемым подписчикам.

Есть такой раздел на arXiv, который называется Information Retrieval. Все статьи про рекомендации, поиск и рекламу лежат именно здесь (но не только они, e.g. RAG).

Обычно эти статьи с шести конференций ниже. Чтобы названия для вас не выглядели как набор случайных букв, прикладываю рядом известную работу с каждой из конференций.

* KDD (A*) — Graph Convolutional Neural Networks for Web-Scale Recommender Systems
* RecSys (A) — Sampling-bias-corrected neural modeling for large corpus item recommendations
* WWW (A*) — Mixed Negative Sampling for Learning Two-tower Neural Networks in Recommendations
* SIGIR (A*) — LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation
* WSDM (A) — Top-K Off-Policy Correction for a REINFORCE Recommender System
* CIKM (A) — BERT4Rec: Sequential Recommendation with Bidirectional Encoder Representations from Transformer

Иногда что-то крутое проскакивает на ICML (A*) — Actions Speak Louder than Words: Trillion-Parameter Sequential Transducers for Generative Recommendations, NeurIPS (A*) — Recommender Systems with Generative Retrieval, или вообще лежит pre-print-ом на arXiv — PLUM: Adapting Pre-trained Language Models for Industrial-scale Generative Recommendations.

Сразу оговорюсь, что это субъективный список. Он построен на основе конференций, которые я встречаю в статьях. И у меня определенно есть байес к статьям из индустрии.

Вместе с ИИ-стажером мы составили диаграмму, я постарался ее верифицировать. На ней можно сравнить IR-конференции по числу участников и статей в proceeding-ах (так называется сборник трудов конференции, e.g. SIGIR’25). KDD для меня всегда ощущалась самой крупной из них, так оно и оказалось. Все познается в сравнении, поэтому рядом добавил NeurIPS и ICML.

SIGIR — это одна из крупных A*-конференций, одного масштаба с тем же RecSys-ом. На прошлой неделе презентовал нашу работу на ней. В следующем посте расскажу про работу и общие впечатления от конференции.

P.S. А за дедлайнами recsys-конференций можно следить здесь: https://recsys.info

Все больше людей начинают создавать телеграм каналы в рексисе и вот наши ряды пополняет Артем!

Обязательно подпишитесь на него @nxt_item

UPD: заодно обновил легендарную папку

💬 Я заставил Сэма Альтмана и Илона Маска наконец выяснить, чей AI сильнее — в пиксельной драке.

У них есть джебы, токен-лимиты, спецприёмы, benchmark score вместо здоровья и эффектная добивка проигравшего.

Это буквально Street Fighter, только за право первым построить AGI.

https://agi-arena-ceo-brawl.just-teal-5006.chatgpt.site

Что ж... ну допустим... 😐

ps яндексоиды как там вайбкодинг?

https://vibe.sourcecraft.dev/

💬 Начал видеть в новостях новые приколы от AI лаб

Компания OpenAI сообщила, что ее экспериментальная ИИ-модель самовольно покинула тестовую среду и взломала производственные системы другой компании

Как же выгодно выставлять себя топ компанией, рассказывая сказки, которые невозможно доказать

Один фреймворк вместо десятков рекомендательных систем

Т-Банк выложил на гитхаб Perseus — фреймворк для построения систем персонализации в экосистемных продуктах, который учится не только на действиях пользователя в одном сервисе, но и на событиях из других продуктов.

Идея в том, что Perseus собирает действия пользователя из разных сервисов в единую последовательность: от покупки, кликов по рекламе, выбора повышенного кэшбэка до взаимодействия с банковскими продуктами и других событий. На их основе строится единое представление пользователя, которое затем можно использовать для кандидатогенерации, ранжирования, классификации и регрессии.

Это помогает даже в новых сервисах, где у пользователя еще нет истории. Например, если человек впервые заходит в новый магазин внутри экосистемы, модель может использовать его предыдущие действия в других сервисах и сразу предлагать более подходящие товары. По данным команды, в разных задачах это позволило улучшить качество рекомендаций от 3 до 17%, а точность предсказания первого заказа в новом сервисе выросла примерно на 10% по сравнению с рекомендацией самых популярных товаров.

Perseus — это не одна модель, а целая инфраструктура: она стандартизирует обработку разнородных событий, поддерживает разные архитектуры последовательных моделей, включая Transformer/BERT-like, ModernBERT-like, HSTU, LiGR, DA-Net, Mamba-like, разделяет этапы подготовки данных, обучения и инференса и позволяет переиспользовать промежуточные вычисления без полного пересчета пайплайна.

Сейчас фреймворк уже используют в нескольких сценариях внутри Т-Банка: для рекомендаций товаров и партнерских скидок в "Шопинге", персонализации повышенного кэшбэка и предиктивной поддержки, которая заранее пытается определить тему обращения клиента. Дальше команда планирует развивать онлайн-рекомендации и исследовать кросс-доменное предобучение моделей.

😏 AGI