Инновации в ИИ

Сексуальный шантаж, также известный как «сексторшн», давно зарекомендовал себя как одна из самых циничных форм киберпреступности. Злоумышленники взламывают веб-камеры или угрожают публикацией интимных материалов с целью вымогательства. Однако теперь появилось шпионское программное обеспечение, которое выводит этот процесс на новый, автоматизированный уровень. Новая угроза определяет, когда пользователь просматривает порнографический контент, делает скриншот экрана и одновременно тайно фотографирует жертву через веб-камеру. Инфостилер Stealerium и его функции Как Stealerium шпионит за пользователями? Распространение через GitHub и фишинговые кампании Автоматизация шантажа — новый тренд? Инфостилер Stealerium и его функции Исследователи из компании по кибербезопасности Proofpoint опубликовали подробный анализ опенсорсного инфостилера Stealerium, который, по их данным, активно используется в киберпреступных кампаниях с мая этого года. Как и другие стилеры, эта программа заражает компьютер и автоматически...

NVIDIA представила Jetson Thor — революционный суперкомпьютер, разработанный для нового поколения робототехники и воплощения концепции «физического ИИ». Эта платформа, включающая комплект разработчика Jetson AGX Thor и производственный модуль Jetson T5000, знаменует собой новую эру, когда роботы смогут использовать генеративное мышление и обрабатывать мультимодальные данные с сенсоров непосредственно на устройстве. Это позволяет им принимать сложные решения в реальном времени, действуя в непредсказуемой среде. Архитектурные особенности и производительность Jetson Thor Программные возможности NVIDIA для роботов Что такое физический ИИ? Применение Jetson Thor в промышленности и других сферах Доступность и цены Архитектурные особенности и производительность Jetson Thor В основе Jetson Thor лежит стремление обеспечить производительность серверного уровня в компактном и энергоэффективном форм-факторе, что критически важно для автономных систем. Вычислительная мощность Благодаря архитектуре GPU...

Современные большие языковые модели демонстрируют впечатляющие способности, однако их производительность часто сопряжена с высокими вычислительными затратами. Возможно ли научить компактные, локально запускаемые модели решать сложные задачи, требующие многоэтапных рассуждений? Ответ кроется в иерархическом мышлении. В этом руководстве мы создадим AI-агента, имитирующего когнитивный процесс человека: разбиение большой проблемы на управляемые подзадачи, их последовательное решение и критическая оценка результатов. Подготовка среды и загрузка модели с Hugging Face Вспомогательные функции для взаимодействия Определение ролей и инструментов агента Реализация основного цикла HRM-агента Демонстрация работы агента на практике Подготовка среды и загрузка модели с Hugging Face Основой нашего агента станет легковесная модель Qwen2.5-1.5B-Instruct. Первым делом мы установим все необходимые библиотеки, включая transformers и bitsandbytes для квантизации. Процесс включает использование токенизатора и модели: мы загрузим их...

В мире больших языковых моделей (LLM) достижение высокой точности часто сопряжено с колоссальными вычислительными затратами. Традиционные методы, требующие генерации множества вариантов решений, становятся неэффективными и ресурсоемкими. Однако исследователи из Meta AI и Калифорнийского университета в Сан-Диего (UCSD) представили прорывное решение – Deep Think with Confidence (DeepConf), которое обещает не только рекордно повысить точность LLM, но и кардинально сократить расходы на вычисления. Преимущества DeepConf для LLM Принцип работы DeepConf: уверенность как фильтр Рекордные результаты DeepConf: точность и эффективность Легкость интеграции DeepConf в существующие системы Преимущества DeepConf для LLM Традиционный подход к улучшению рассуждений LLM — генерация множества «цепочек мыслей» и выбор ответа большинством голосов. Хотя этот метод работает, его эффективность имеет предел: после определённого порога добавление новых вариантов не улучшает, а...