*Додає інвестора Figma до біографії.

Настійно рекомендую звернутися для роботи з @jmj & @seidtweets ! Вони неймовірні люди та інвестори!

4 серпня ми проведемо День теоретичного інтелекту: детальні бесіди з експертами про агентів, стабільні монети та масштабовані системи даних.

Як ваша електронна пошта знаходить мене

Меми сьогодні вийшли на новий рівень.

Ми не можемо купити Ноа Шазіра за 1 мільярд, але ми можемо створити його в сукупності

Вітаємо команду «Ланса»! Дуже радий працювати з вами, хлопці!

Мої думки для WSJ Venture Capital про те, які атрибути роблять компанію сильним кандидатом на вихід у публічну площину на сучасному ринку. Спасибі @marcvarta !

@tryramp ви, хлопці, можете отримати дані мого календаря: назву, відвідувачів, а потім автоматизувати мої вимоги до витрат? Ми з нашою стажеркою @pavitarsaini закодуємо це цими вихідними.

ТЛ; Д.Р.: Ми побудували модель основи платежів на основі трансформатора. Це працює. Протягом багатьох років Stripe використовує моделі машинного навчання, навчені на дискретних функціях (BIN, zip, спосіб оплати тощо) для покращення наших продуктів для користувачів. І ці зусилля за функціями добре спрацювали: +15% конверсія, -30% шахрайство. Але у цих моделей є обмеження. Ми повинні вибрати (і, отже, обмежити) функції, що розглядаються моделлю. І кожна модель вимагає навчання під конкретне завдання: для авторизації, для шахрайства, для суперечок і так далі. Враховуючи навчальну потужність узагальнених трансформаторних архітектур, ми задалися питанням, чи може тут спрацювати підхід у стилі LLM. Не було очевидно, що так і буде — платежі в чомусь схожі на мову (структурні шаблони, схожі на синтаксис і семантику, часово послідовні) і надзвичайно несхожі на мову в інших (менше чітких «токенів», контекстуальна розрідженість, менше організуючих принципів, схожих на граматичні правила). Тому ми побудували базову модель платежів – самоконтрольовану мережу, яка вивчає щільні вектори загального призначення для кожної транзакції, подібно до того, як мовна модель вбудовує слова. Навчений на десятках мільярдів транзакцій, він переганяє ключові сигнали кожного заряду в єдину, універсальну інтеграцію. Результат можна уявити як великий розподіл платежів у векторному просторі високої розмірності. Розташування кожного вбудовування фіксує багаті дані, включаючи те, як різні елементи співвідносяться один з одним. Платежі, які мають схожість, природним чином групуються разом: транзакції від одного емітента картки розташовані ближче одна до одної, транзакції від одного банку – ближче, а транзакції з однаковою адресою електронної пошти майже ідентичні. Ці багаті вбудовування значно полегшують виявлення нюансів, змагальних моделей транзакцій; і побудувати більш точні класифікатори, виходячи як з особливостей окремого платежу, так і з його відношення до інших платежів в послідовності. Пройдіть карткове тестування. За останні кілька років традиційні підходи машинного навчання (розробка нових функцій, маркування нових шаблонів атак, швидке перенавчання наших моделей) скоротили тестування карток для користувачів на Stripe на 80%. Але найдосвідченіші тестери карт приховують нові схеми атак у обсягах найбільших компаній, тому їх важко виявити за допомогою цих методів. Ми побудували класифікатор, який приймає послідовності вбудовувань з базової моделі та прогнозує, чи піддається зріз трафіку атакі. Він використовує архітектуру трансформатора для виявлення тонких закономірностей у послідовностях транзакцій. І робить це все в режимі реального часу, щоб ми могли блокувати атаки до того, як вони вдарять по бізнесу. Цей підхід покращив наш показник виявлення атак на великих користувачів з 59% до 97% за одну ніч. Це має миттєвий вплив на наших великих користувачів. Але реальна сила базової моделі полягає в тому, що ці самі вбудовування можуть бути застосовані в інших завданнях, таких як суперечки або дозволи. Можливо, навіть більш фундаментально це говорить про те, що платежі мають смислове значення. Так само, як і слова в реченні, транзакції мають складні послідовні залежності та латентні взаємодії ознак, які просто не можуть бути охоплені ручною інженерією функцій. Виявляється, увага була в усіх необхідних платежах!