Вот это сочный пост про самую суть разработки. Для многих быть в состоянии неопределённости - это жуткий дискомфорт, стресс и бардак. А, на самом деле, вот эта вот раскоряка: может, мы так будем делать, а, может, эдак; она прям должна быть дефолтом. Признавать, что ты без понятия, как правильно, что ты без понятия, как будет дальше - это полпути к успеху. Вторая половина - всё-таки найти способ узнать ответы на эти вопросы.

Почему не принимать решение прямо сейчас это тоже решение, и иногда очень хорошее 🤨 Например не отвергать гипотезу, пока по ней мало данных. Представьте - мы выкатили фичу, прошло три дня, конверсии не выросли, и руки чешутся выпилить или переделать. Окей, а когорта вообще успела собраться? А что с трафиком? Даже в больших продуктах в b2c на это уходят недели. Но сидеть и ждать, когда у тебя уже готова следующая версия, это как по мне самое тяжелое 😮 С агентами стало только хуже (...в хорошем смысле), потому что прототип вполне теперь собирается за вечер, и проверить гипотезу стало дешевле, чем хорошенько подумать, а надо ли. Ловлю себя на мысли, что экзекьюшен бежит впереди паровоза, а мой decision making engine бывает за ним не поспевает У способности не решать прямо сейчас есть название - negative capability. Встретила его в канале Джаннет Кашурниковой "Достаточно хороший лидер", в посте про то, почему удержать вопрос в подвешенном состоянии труднее, чем найти ответ. А в продолжении Джаннет дает шесть практик, как это тренировать, и мне больше всего зашла третья, отделять тревогу от необходимости действовать: желание решить прямо сейчас это часто просто тревога, и если дать себе время, необходимость действовать иногда пропадает вообще Джаннет - управляющий партнер Invisible Force, соавтор книги "Суперкоманды" и методологии оценки потенциала команды InForce Teams. Она ведет стратсессии для топ-команд Яндекса, Miro, X5 и других, то есть пишет про то, что сама видит в этих переговорках. Например, про вопрос, с которым каждый топ приходит на стратсессию и почти никогда не озвучивает: "хочу ли я идти дальше с этими людьми" - а он ведь очень актуален для всех стадий, не только крупных компаний! Еще там есть таблица из семи состояний изменений, от "ничего не делать" до "остановиться", и что в каждом делать лидеру. Мне нравится, как Джаннет дает упражнения и фреймворки для систематизации хаоса, который часто бывает в эрли стейдж стартапах 💻 Подписывайтесь на @goodleader_JK, если хотите больше стратегически полезных упражнений и фреймворков как для лидеров в компаниях, так и фаундеров стартапов 🤝

✔️ GPT-6 Astra исправила нейросеть, изменив всего 0,016% её весов. Без дообучения Исследователи MIT CSAIL дали GPT-6 Astra доступ к весам Qwen3.5-0.8B через Python и разрешили провести до 50 тестовых прогонов. Задача - улучшить математические способности модели, не используя градиенты и обучение. Astra обнаружила, что Qwen часто зацикливается в рассуждениях, повторяет одни и те же фрагменты и достигает лимита токенов, так и не выдав ответ. Причину удалось локализовать в MLP-блоках 15-го и 19-го слоёв. Astra нашла направление в пространстве весов, связанное с зацикливанием, и скорректировала 131 072 параметра из 800 млн. Результаты: - MATH-500: с 7,9% до 48,1% - GSM8K: с 13,8% до 67,1% - Доля ответов, достигших лимита токенов: с 93% до 33,1% Никакого fine-tuning, backpropagation или обновления весов через оптимизатор. Astra устранила механизм, мешавший модели завершать рассуждения, на которые та уже была способна. На Gemma 3 270M, у которой не было аналогичной проблемы, подход почти не помог. Работа интересна для mechanistic interpretability: LLM смогла найти конкретный механизм нежелательного поведения и исправить его напрямую в весах. Авторы называют подход Weight-Space Programming. https://rikiyat.github.io/blog/weight-space-programming/ @ai_machinelearning_big_data #GPT #astra #ml