گزارش تازهٔ SOCRadar میگه بیشتر اون ۲۵۰۰ سازمان قربانی، چند روز قبل از انتشار پکیجهای آلوده و از مسیر یه اسکنر امنیتی بالادستی لو رفته بودن.
با test-time training مدل حین جوابدادن به پرامپت شما وزنهاش رو عوض میکنه؛ حافظه ثابت میمونه، ولی ارائهدهنده باید برای هر کاربر یه نسخهی جدا نگه داره.
قیمت DRAM از ابتدای ۲۰۲۴ بیش از ۴۰۰٪ بالا رفته و حالا به فاکتور خرید سازمانها رسیده؛ از مک و آیفون تا لپتاپ ویندوزی و حتی مودم و تلویزیون.
یه مقالهٔ تحلیلی میگه وقتی سختافزاری مثل Cerebras چند برابر رقبا سریعتر توکن تولید میکنه، اون وقت اضافه رو میشه خرج فکر بیشتر، اعتبارسنجی یا اجرای زنده کرد.
ماینداستودیو میگه تیمهای غیرفنی بهجای پرامپت زدن میتونن یه نقشهٔ متنی از اپ بنویسن و AI ازش برنامه بسازه؛ برای تغییر هم فقط همون نقشه رو ویرایش میکنن.
دو تحلیل تازه میگن چیزی که مدلهای هوش مصنوعی رو بهتر میکنه، بیشتر از جنس فیلتر و پردازش هوشمندانهتر دادهست تا حجم خام داده یا دانش متخصصهای انسانی.
پژوهش تازهی گارت هیز نشون میده مهاجم فقط با CSS داخل یه ایمیل معمولی میتونه توکن ورود، رمز و حتی رفتار مرورگر AI رو تو وبمیلهای بزرگ بدزده.
پروژهی جدید OWASP فهرست ده ریسک اصلی امنیت CI/CD رو با تکیه بر حملههای واقعی مثل SolarWinds و Codecov معرفی میکنه تا تیمهای امنیتی بدونن روی چی تمرکز کنن.
یه ایجنت که رفته بود کلاس ورزشی رزرو کنه، رزرو یه آدم دیگه رو کنسل کرد. مقاله میگه خطر اصلی ایجنت هکشده نیست، ایجنتیه که دستور رو درست اجرا میکنه ولی قواعد نانوشته رو نمیفهمه.
مقایسهای از اینکه وصل کردن دستیارهای هوش مصنوعی به سرویسهایی مثل Google Calendar الان چقدر قابلاعتماد شده و چرا کارهای چندمرحلهای و تسکهای زمانبندیشده تفاوت اصلی رو میسازن.
باروخ اسپینوزا از جامعهاش طرد شد، تا آخر عمر عدسی تراشید و با چند کتاب و یه تخت مرد؛ ولی همه میگفتن آدم شادیه. این مقاله چهار تکنیک عملی از فلسفهٔ اون رو بیرون میکشه.
استارتاپ تراشهساز Etched با جذب ۷۰۰ میلیون دلار به ارزش ۲۱ میلیارد دلار رسید و اولین رک سختافزاریش رو تحویل Jane Street داد.
وقتی یک ایجنت خودش کد مینویسه و خودش تأییدش میکنه، بخشی از خواستهها بیسروصدا جا میمونه. راهحلی که این مقاله میده تقسیم کار بین سه ایجنت از دو خانوادهٔ مدل متفاوته.
آنتروپیک تا آخر جولای به سرمایهگذارهاش گفته نرخ درآمد سالانهش ۶۵ میلیارد دلار شده؛ حدود هفت برابر پارسال و خیلی جلوتر از OpenAI، اون هم درست وسط آمادهشدن برای IPO.
Thinking Machines، شرکت میرا موراتی، اولین مدلی که از صفر آموزش داده رو با وزن باز منتشر کرد؛ مدلی با context یک میلیون توکن که سر هر توکن فقط ۴ درصدش روشن میشه.
دو مدل ویدیوسازِ بینامونشون تو آرنای Artificial Analysis پیدا شدن و کیفیت خروجیشون باعث شده خیلیها فکر کنن کار Meta باشه.
مارک روسینوویچ روشی معرفی کرده که بهجای جلوگیری از حذف سازوکار رد درخواست تو مدلهای open-weight، مهاجم رو با جوابهای قانعکننده ولی جعلی گمراه میکنه.
یه تیم کوچیک نشون داده اگه بدونی کدوم لایههای مدل به دقت حساسن، میشه یه مدل ۲۷ میلیاردی رو تا ۱۱.۷ گیگابایت فشرده کرد و بازم ازش کد درستوحسابی گرفت.
مقالهای دربارهٔ اینکه آدمهای غیربرنامهنویس موقع انتخاب ابزار ساخت اپ با هوش مصنوعی باید دنبال چی باشن: بکاند و دیتابیس واقعی، احراز هویت سمت سرور و کدی که مالکش خودشون باشن.
خیلی از تیمها ایجنت کدنویسی رو بدون هیچ ساختاری وارد کار میکنن و نتیجهش حس سرعته و تحویل کندتر. راهحلی که این مقاله جلو میذاره یه قالب سبک روی همون فرایند فعلیه، نه فریمورک تازه.