юли 2026

Ασφάλεια LLM μετά το fine-tuning σε περιβάλλον πολλαπλών prompt templates

Ασφάλεια LLM μετά το fine-tuning: γιατί το prompt template μπορεί να ακυρώσει την άμυνα

Η ασφάλεια LLM μετά το fine-tuning απαιτεί cross-template tests. Δείτε πώς το ROPD μειώνει το ASR χωρίς να θυσιάζει την εξειδικευμένη ικανότητα.

Прочетете повечеΑσφάλεια LLM μετά το fine-tuning: γιατί το prompt template μπορεί να ακυρώσει την άμυνα
AI агент с динамични права в защитена корпоративна инфраструктура

Динамични права за AI агенти: архитектура с минимален достъп

Динамичните права на AI агентите ограничават достъпните идентификационни данни и инструменти за всяка задача. Разгледайте архитектурата с три източника и практическия път към безопасно внедряване.

Прочетете повечеДинамични права за AI агенти: архитектура с минимален достъп
Τεχνικός ελέγχει επίγειο σταθμό για συνθετικά δεδομένα δορυφορικού internet

Συνθετικά δεδομένα για δορυφορικό internet: γιατί το GT-GAN αντέχει όταν λείπει το 40%

Νέα έρευνα συγκρίνει GT-GAN, SeriesGAN και Temporal VAE πάνω σε ελλιπείς μετρήσεις δορυφορικού internet. Το GT-GAN αντέχει καλύτερα στη σοβαρή απώλεια, αλλά δεν εξαλείφει το mode collapse.

Прочетете повечеΣυνθετικά δεδομένα για δορυφορικό internet: γιατί το GT-GAN αντέχει όταν λείπει το 40%
Ομάδα αξιολογεί compute-aware benchmark για diffusion LLMs

CaRE για diffusion LLMs: όταν το benchmark μετρά λάθος πρόοδο

Το CaRE δείχνει πώς το πραγματικό compute, τα metrics και η stochasticity μπορούν να αλλάξουν την κατάταξη ενός diffusion LLM benchmark. Πρακτικός οδηγός για δίκαιες συγκρίσεις μοντέλων και ασφαλέστερες επιχειρηματικές αποφάσεις.

Прочетете повечеCaRE για diffusion LLMs: όταν το benchmark μετρά λάθος πρόοδο
Ομάδα υποδομών αξιολογεί απόδοση GLIDE για LLM μεγάλου context

GLIDE: πώς η υβριδική προσοχή μειώνει το κόστος των LLM μεγάλου context

Το GLIDE κατανέμει softmax και linear attention ανά layer για να μειώσει το KV-cache I/O στα LLM μεγάλου context. Τι έδειξαν οι δοκιμές σε Llama-3-8B και Mistral-7B, πού βοηθά το LoRA και γιατί κάθε deployment χρειάζεται δικά του quality και latency tests.

Прочетете повечеGLIDE: πώς η υβριδική προσοχή μειώνει το κόστος των LLM μεγάλου context
Медицински специалист обсъжда план за пренатална грижа, подкрепен от PATHFinder Agent

PATHFinder Agent: как изкуственият интелект се опитва да персонализира пренаталната грижа

PATHFinder Agent организира персонализирана пренатална грижа с 13 контролирани инструмента и задължително клинично наблюдение. Какво доказва проучването и какви изводи може да се извлекат за по-безопасни оперативни AI агенти?;

Прочетете повечеPATHFinder Agent: как изкуственият интелект се опитва да персонализира пренаталната грижа
Ομάδα ελέγχει δεδομένα εκπαίδευσης AI για ιχνηλασιμότητα με FrED και knowledge graphs

FrED: πώς τα knowledge graphs φωτίζουν τα δεδομένα πίσω από ένα AI

Το FrED συνδυάζει latent similarity και knowledge graphs για black-box Training Data Attribution. Τι έδειξαν τα πειράματα, πού σταματά η απόδειξη και πώς μπορεί να αξιολογηθεί επιχειρηματικά.

Прочетете повечеFrED: πώς τα knowledge graphs φωτίζουν τα δεδομένα πίσω από ένα AI