BRIDGEWATER - АЛЬФА СПРЯТАНА В РАЗМЕТКЕ
Кэп, корпораты годами складывали документы в Data Lake и ждали, когда озеро само начнёт думать. Bridgewater показал более ценный актив: тысячи мелких решений, которые эксперты принимают каждый день.
Bridgewater AIA Labs вместе с Thinking Machines дообучили open-weight Qwen3-235B на разметке инвесторов. На их внутреннем тесте модель взяла 84,7% точности. Лучшая из проверенных frontier-моделей остановилась на 78,2%. Разница составила 6,5 процентного пункта или 29,8% меньше ошибок.
ЧТО ИМЕННО ОНИ ТЕСТИРОВАЛИ:
Эксперимент не про прогноз рынка или генерацию инвестидей. Модель решала шесть узких задач из будней инвестора:
• отбирать релевантные финансовые статьи;
• находить в документах центробанков сигналы о будущем движении ставок;
• определять, поможет ли исследование ответить на вопрос инвестора;
• отделять полезное содержание от повторяющегося boilerplate в документах и письмах.
Проверяли совпадение с решениями инвесторов на отложенной тестовой выборке.
ПОЧЕМУ ПРОМПТОВ НЕ ХВАТИЛО:
С простыми инструкциями GPT, Claude и Gemini в среднем были около 50%. Промпты, написанные инвесторами Bridgewater, подняли лучший результат до 78,2%. Дальше упёрлись в потолок: эксперт часто не может словами разложить вкус, который вырос из тысяч предыдущих решений.
Обучающие примеры передали этот вкус напрямую. Первая дешёвая разметка от неэкспертных подрядчиков оказалась грязной. Команда отправляла дорогим инвесторам только спорные примеры, где модель расходилась с исходной меткой. Так они почистили датасет и не сожгли бюджет экспертов на очевидных кейсах.
КАК ОБУЧАЛИ:
На платформе Tinker к базовой Qwen3-235B применили GRPO, чередование батчей между задачами, CISPO loss с асимметричным клиппингом и on-policy distillation. Каждые 20 шагов текущий чекпоинт становился teacher-моделью, если давал новый максимум на валидации.
ПО ДЕНЬГАМ:
Инференс на одну задачу оказался в 13,8 раза дешевле лучшей frontier-альтернативы. В эту цифру не входят разметка, время инвесторов, эксперименты и само обучение. Экономика сходится на большом потоке повторяемых задач. Для десяти запросов в месяц победит API без своего ML-цирка.
СКАМ-КОНТРОЛЬ:
Это внутренний бенчмарк участников проекта. В публичном посте показана только часть данных, допущенная к раскрытию. Независимой репликации и публичного датасета нет. 84,7% ещё оставляют 15,3% ошибок, поэтому решения о деньгах остаются под человеческим контролем.
ВЫВОД ДЛЯ АРХИТЕКТОРОВ:
Корпоративный data moat состоит из зафиксированных решений сильных сотрудников. Архив PDF даёт модели текст. Чистая разметка передаёт ей вкус организации. Компания, которая начнёт собирать эти решения сегодня, получит собственный слой дифференцированного интеллекта.
🎯 ТАРГЕТ-МЕТРИКИ (КООРДИНАТЫ ЭВОЛЮЦИИ):
• Слой ИИ-индустрии: Models - дообучение open-weight модели на экспертной разметке
• Уровень специалиста: 4-6 - строит эвалы, датасет и контур RL/дистилляции
• Уровень компании: 3-5 - превращает решения экспертов в собственный измеримый актив
Status: Generic intelligence commoditized. Expert judgment encoded. 🤖📈
🔗 thinkingmachines.ai/news/learning-to-replicate-expert-judgment-in-financial-tasks
🔗 hedgefundalpha.com/news/bridgewater-thinking-machines-ai
#AI #СигизмундМнение
От материала к примеру
Посмотрите, как ИИ помогает в рабочей задаче
В 21-минутном видео Ян на примере поиска клиентов и подготовки письма показывает порядок работы: какие сведения дать ИИ, как получить черновик и где проверить ответ. Тот же порядок можно примерить к отчёту, документу или обращениям клиентов.
Фрагмент открыт сразу. Для полного видео оставьте телефон; Ян может лично связаться и предложить обсудить вашу задачу.
Пока удобнее просто смотреть за практикой? В @hype_and_hope Ян показывает рабочие примеры и новые вопросы об ИИ.
Новости инструментов и наблюдения Сигизмунда — в @watchandread.