AppLovin: Иллюзия Роста

от

Новые обвинения, приписывающие компании отмывание денег через рекламу, звучат почти поэтично. «Ad-Spend-as-Laundering» – фраза, достойная пера какого-нибудь декадента. Конечно, это может быть всего лишь клевета, но, как известно, дыма без огня не бывает. Особенно когда речь идет о капитале, который, как известно, не имеет ни совести, ни морали.

Palantir: Купить, Пока Не Разобрали?

от

За последние три года акции Palantir взлетели, как комета, пролетевшая мимо Земли, оставив за собой след из денег. Почти 2300% роста! Это, знаете ли, не просто рост, это… ну, это что-то запредельное. Почти как если бы они нашли способ печатать деньги прямо в штаб-квартире. А вот 2026 год начался не очень гладко. Акции упали на 7% с начала года и на 15% за последний месяц. И вот мы спрашиваем себя: а не пора ли нам покупать, пока не поздно?

Оптимизация вслепую: как объединить алгоритмы для лучшего результата

от

Представленные результаты демонстрируют, что разработанный алгоритмический портфель, при общем бюджете в 10 000 единиц, достигает более высокой совокупной производительности за счет использования взаимодополняющих сильных сторон различных алгоритмов, даже если он не превосходит лучший алгоритм для каждой отдельной функции.

Новое исследование показывает, что разумное распределение вычислительных ресурсов между несколькими алгоритмами оптимизации позволяет добиться стабильного улучшения производительности в задачах, где функция недоступна для анализа.

Когда точность оборачивается крахом: проблема сужения поведения моделей с обратной связью

от

Семантическая связь ускоряет ухудшение обобщающей способности модели: при обучении исключительно на персидском языке, более сильная семантическая связь и увеличение размера групп приводят к более быстрому снижению точности распознавания элементов из невидимой сиамской категории, демонстрируя, что [latex] \text{accuracy} \propto \frac{1}{\text{semantic coupling} \times \text{group size}} [/latex].

Новое исследование выявляет опасную тенденцию в обучении больших языковых моделей с использованием обратной связи от человека, когда стремление к точности приводит к потере разнообразия и снижению эффективности.