Изкуствен интелект

Контрол на достъпа до инфраструктурата за киберсигурност чрез AI агенти

Нападението на автономен ИИ-агент: какво разкрива то за киберсигурността

Нападението на автономен AI агент срещу Hugging Face показва как уязвимости в sandbox, Kubernetes, облачните идентичности и интеграциите са били комбинирани в една атака, както и кои контролни механизми предпазват предприятията.

Прочетете повечеНападението на автономен ИИ-агент: какво разкрива то за киберсигурността
AI και επαγγελματικοί ρόλοι σε διεπιστημονική ομάδα εργασίας
DecodeShare και έλεγχος υποδομής για decode-time αποφάσεις LLM

DecodeShare: τι συμβαίνει μέσα σε ένα LLM τη στιγμή που αποφασίζει

Το DecodeShare εντοπίζει έναν κοινό υποχώρο στις decode-time αποφάσεις των LLM και δείχνει γιατί οι παρεμβάσεις χρειάζονται έλεγχο στο πραγματικό inference.

Прочетете повечеDecodeShare: τι συμβαίνει μέσα σε ένα LLM τη στιγμή που αποφασίζει
Хардуерна проверка за оптимизиране на TPU ядрата с изкуствен интелект

JAXBench: как изкуственият интелект се научава да оптимизира ядрата за TPU

JAXBench показва как AI агентите оптимизират TPU ядрата и защо коректността, контекстът на Pallas и профилирането от страна на устройството са по-важни от ускорението.

Прочетете повечеJAXBench: как изкуственият интелект се научава да оптимизира ядрата за TPU
Υπολογιστικά συστήματα για LLM ensembles και συνάθροιση προβλέψεων

Η σοφία του πλήθους των LLMs: πότε τα μοντέλα AI προβλέπουν καλύτερα μαζί

Μπορούν πολλά LLMs να προβλέπουν καλύτερα μαζί; Η έρευνα δείχνει πότε η διαφορετικότητα λαθών βοηθά και γιατί το training cutoff contamination αλλάζει την αξιολόγηση.

Прочетете повечеΗ σοφία του πλήθους των LLMs: πότε τα μοντέλα AI προβλέπουν καλύτερα μαζί
Υποδομή για latency-aware LLM routing σε παραγωγικό περιβάλλον AI

LLM routing με επίγνωση καθυστέρησης: όταν η ταχύτητα γίνεται μέρος της ποιότητας

Το latency-aware LLM routing συνδυάζει ποιότητα, κόστος και χρόνο μέχρι το πρώτο token. Τι δείχνει η νέα έρευνα και πώς μεταφράζεται σε παραγωγική αρχιτεκτονική AI.

Прочетете повечеLLM routing με επίγνωση καθυστέρησης: όταν η ταχύτητα γίνεται μέρος της ποιότητας
Αξιολογητές AI σε διαδικασία ελέγχου preference data για RLHF

Η κρυφή μεταβλητή στο RLHF: πώς η κατάσταση των αξιολογητών μπορεί να επηρεάζει τα μοντέλα AI

Η κατάσταση των ανθρώπων που αξιολογούν απαντήσεις AI μπορεί να δημιουργεί δομημένο σφάλμα στο RLHF. Τι προτείνει η νέα έρευνα, πώς ελέγχεται και ποια είναι τα όρια των συμπερασμάτων.

Прочетете повечеΗ κρυφή μεταβλητή στο RLHF: πώς η κατάσταση των αξιολογητών μπορεί να επηρεάζει τα μοντέλα AI