*Thêm nhà đầu tư Figma vào tiểu sử.

Rất khuyến khích bạn nộp đơn làm việc với @jmj & @seidtweets! Họ là những người và nhà đầu tư tuyệt vời!

Vào ngày 4 tháng 8, chúng tôi sẽ tổ chức Ngày Trí Tuệ Lý Thuyết: những cuộc trò chuyện sâu sắc với các chuyên gia về đại lý, stablecoin và hệ thống dữ liệu có thể mở rộng.

Cách email của bạn tìm thấy tôi

Những meme hôm nay thật sự đã lên một tầm cao mới.

Chúng ta không thể mua Noah Shazeer với giá 1 tỷ nhưng chúng ta có thể tạo ra anh ấy trong tổng thể.

Chúc mừng đội ngũ Lance! Rất hào hứng khi được làm việc với các bạn!

Suy nghĩ của tôi cho WSJ Venture Capital về những đặc điểm nào khiến một công ty trở thành ứng cử viên mạnh mẽ để ra công chúng trong thị trường ngày nay. Cảm ơn @marcvarta !

@tryramp các bạn có thể nhập dữ liệu lịch của tôi: tiêu đề, người tham dự và sau đó tự động hóa các yêu cầu chi phí của tôi không? thực tập sinh của chúng tôi @pavitarsaini và tôi sẽ vibe code nó vào cuối tuần này.

TL;DR: Chúng tôi đã xây dựng một mô hình nền tảng thanh toán dựa trên transformer. Nó hoạt động. Trong nhiều năm, Stripe đã sử dụng các mô hình học máy được huấn luyện trên các đặc điểm rời rạc (BIN, mã bưu điện, phương thức thanh toán, v.v.) để cải thiện sản phẩm cho người dùng. Và những nỗ lực dựa trên từng đặc điểm này đã mang lại hiệu quả: +15% chuyển đổi, -30% gian lận. Nhưng các mô hình này có những hạn chế. Chúng tôi phải chọn (và do đó giới hạn) các đặc điểm được mô hình xem xét. Và mỗi mô hình yêu cầu huấn luyện cụ thể cho từng nhiệm vụ: cho ủy quyền, cho gian lận, cho tranh chấp, v.v. Với sức mạnh học tập của các kiến trúc transformer tổng quát, chúng tôi tự hỏi liệu cách tiếp cận kiểu LLM có thể hoạt động ở đây không. Điều này không rõ ràng rằng nó sẽ—thanh toán giống như ngôn ngữ ở một số khía cạnh (các mẫu cấu trúc tương tự như cú pháp và ngữ nghĩa, tuần tự theo thời gian) và cực kỳ không giống ngôn ngữ ở các khía cạnh khác (ít 'token' riêng biệt hơn, ngữ cảnh thưa thớt, ít nguyên tắc tổ chức tương tự như quy tắc ngữ pháp). Vì vậy, chúng tôi đã xây dựng một mô hình nền tảng thanh toán—một mạng lưới tự giám sát học các vector dày đặc, đa mục đích cho mỗi giao dịch, giống như một mô hình ngôn ngữ nhúng từ. Được huấn luyện trên hàng chục tỷ giao dịch, nó chắt lọc các tín hiệu chính của mỗi lần tính phí thành một nhúng duy nhất, linh hoạt. Bạn có thể nghĩ kết quả như một phân phối rộng lớn của các khoản thanh toán trong không gian vector nhiều chiều. Vị trí của mỗi nhúng nắm bắt dữ liệu phong phú, bao gồm cách các yếu tố khác nhau liên quan đến nhau. Các khoản thanh toán có điểm tương đồng tự nhiên cụm lại với nhau: các giao dịch từ cùng một nhà phát hành thẻ được đặt gần nhau hơn, những giao dịch từ cùng một ngân hàng thậm chí còn gần hơn, và những giao dịch chia sẻ cùng một địa chỉ email gần như giống hệt nhau. Những nhúng phong phú này làm cho việc phát hiện các mẫu giao dịch tinh vi, đối kháng trở nên dễ dàng hơn đáng kể; và xây dựng các bộ phân loại chính xác hơn dựa trên cả các đặc điểm của một khoản thanh toán cá nhân và mối quan hệ của nó với các khoản thanh toán khác trong chuỗi. Hãy lấy ví dụ về kiểm tra thẻ. Trong vài năm qua, các phương pháp ML truyền thống (kỹ thuật các đặc điểm mới, gắn nhãn các mẫu tấn công mới nổi, huấn luyện lại mô hình nhanh chóng) đã giảm kiểm tra thẻ cho người dùng trên Stripe xuống 80%. Nhưng những kẻ kiểm tra thẻ tinh vi nhất ẩn các mẫu tấn công mới trong khối lượng giao dịch của các công ty lớn nhất, vì vậy chúng rất khó phát hiện bằng các phương pháp này. Chúng tôi đã xây dựng một bộ phân loại tiếp nhận các chuỗi nhúng từ mô hình nền tảng và dự đoán xem phân đoạn lưu lượng có đang bị tấn công hay không. Nó tận dụng kiến trúc transformer để phát hiện các mẫu tinh tế trong các chuỗi giao dịch. Và nó thực hiện tất cả điều này trong thời gian thực để chúng tôi có thể chặn các cuộc tấn công trước khi chúng ảnh hưởng đến doanh nghiệp. Cách tiếp cận này đã cải thiện tỷ lệ phát hiện các cuộc tấn công kiểm tra thẻ trên người dùng lớn từ 59% lên 97% chỉ sau một đêm. Điều này có tác động tức thì đối với người dùng lớn của chúng tôi. Nhưng sức mạnh thực sự của mô hình nền tảng là các nhúng này có thể được áp dụng trên các nhiệm vụ khác, như tranh chấp hoặc ủy quyền. Có lẽ thậm chí còn cơ bản hơn, nó gợi ý rằng thanh toán có ý nghĩa ngữ nghĩa. Giống như các từ trong một câu, các giao dịch sở hữu các phụ thuộc tuần tự phức tạp và các tương tác đặc điểm tiềm ẩn mà không thể được nắm bắt bằng kỹ thuật đặc điểm thủ công. Hóa ra sự chú ý là tất cả những gì thanh toán cần!