How to Deploy Your LLM to Hugging Face Spaces
使用免费的CPU实例展示您的LLM项目，并通过简化和拥抱面部空间来展示您的LLM项目。
Choosing the best ring … for MPC!
在这篇文章中，我们将讨论Galois环（最近的代数结构）如何改善不诚实的多方计算（MPC）协议的通信复杂性。在我们深入MPC之前，我将简短地绕行以讨论如何在密码学中建模计算。当密码学家考虑计算时，他们经常考虑由加法和乘法门组成的电路。您可能会认为啊，像布尔电路一样吗？不，密码学家喜欢在巨大领域的电路。实际上，越大！使用AS的字段很方便1）除零以外的每个元素都是可逆的，而2）低度，非零多项式的根源很少。因此，我们通常可以将加密协议的安全性直接与该字段的大小联系起来（正如我们将在不久之后看到的）。但是，深入的密码仪确实只想与整数Mod（），Think /bit未签名的整数一起使用电路。为了易于符号
Stay one step ahead of cyberthreats with Dr.Web Katana 2.0
2025年4月7日，Version 2.0是Web Katana博士的最新版本。该软件产品充当辅助防病毒“ SHIELD”，并结合了医生Web最先进的预防保护技术，以增强其他供应商解决方案提供的安全性。 Web Katana博士保护用户文件免受加密勒索软件的影响，并阻止主动威胁，包括零日漏洞利用和恶意程序，以逃避基于签名的检测。 To address all of today’s cybersecurity challenges, version 2.0 offers users the most effective threat detection technologies, optimis
dimerostemma pantanalense d.m.mendes＆a.m.teles，Mendes，Dorneles Welker，Dorneles＆Teles，Farinaccio＆Teles，2025年，doi.org/10.11646/phytotaxa.659.3.3.5.5.59.3.3.5 AbstractDimerostemma Pantanalense是一种新物种，在本文中进行了描述，说明和讨论。该物种只能在巴西潘塔纳尔的Mato Grosso do Sul State的Ladário和Corumbá市政府中找到。由于城市化的前进和泛鼠大火的风险，它被初步归类为严重濒危
#459 – DeepSeek, China, OpenAI, NVIDIA, xAI, TSMC, Stargate, and AI Megaclusters
Dylan Patel 是 SemiAnalysis 的创始人，SemiAnalysis 是一家专门从事半导体、GPU、CPU 和 AI 硬件的研究和分析公司。 Nathan Lambert 是艾伦人工智能研究所 (Ai2) 的研究科学家，也是人工智能博客 Interconnects 的作者。感谢您的收听 ❤ 查看我们的赞助商：https://lexfridman.com/sponsors/ep459-sc 请参阅下面的时间戳、成绩单，并提供反馈、提交问题、联系 Lex 等。成绩单：https://lexfridman.com/deepseek-dylan-patel-nathan-lambe
Уязвимость чипов AMD может потребовать чрезвычайных мер безопасности
向 CPU 注入恶意微代码是一种非常阴险的攻击媒介，很难识别和消除。
Neural Processing Units (NPUs): The Driving Force Behind Next-Generation AI and Computing
就像 GPU 曾经在 AI 工作负载方面超越 CPU 一样，神经处理单元 (NPU) 将通过提供更快、更高效的性能来挑战 GPU——尤其是对于生成式 AI，其中大规模实时处理必须以闪电般的速度和更低的成本进行。问题是 NPU 是如何工作的，为什么它们会超越 […] 文章《神经处理单元 (NPU)：下一代 AI 和计算背后的驱动力》首先出现在 Unite.AI 上。
AI’s Growing Appetite for Power: Are Data Centers Ready to Keep Up?
随着人工智能 (AI) 的飞速发展，其能源需求正使数据中心不堪重负。下一代人工智能技术（如生成式人工智能 (genAI)）不仅改变了行业，而且其能源消耗影响着几乎所有数据服务器组件，从 CPU 和内存到加速器和网络。GenAI 应用程序（包括 Microsoft 的 Copilot 和 OpenAI 的 ChatGPT）需要更多的能源 […] 文章 AI 对电力的日益增长的需求：数据中心准备好跟上了吗？首先出现在 Unite.AI 上。
This Nvidia-powered laptop now lowest price all year — Cyber Monday save $400
配备 Nvidia GeForce RTX 4050 GPU 和最新 Intel Core Ultra 7 CPU 的戴尔 Inspiron 16 Plus，这个网络星期一只需 1,100 美元即可购买。
Ubitium Secures $3.7M to Revolutionize Computing with Universal RISC-V Processor
半导体初创公司 Ubitium 推出了一款突破性的通用处理器，有望重新定义计算工作负载的管理方式。这款创新芯片将处理能力整合到一个高效的单元中，无需 CPU、GPU、DSP 和 FPGA 等专用处理器。通过摆脱传统的处理架构，Ubitium 将简化 […]The post Ubitium 获得 370 万美元，通过通用 RISC-V 处理器彻底改变计算方式首次出现在 Unite.AI 上。
我上周在 Twitter 上发布的一些有趣的链接（我也在 Mastodon、Threads、Newsmast 和 Bluesky 上发布了这些链接）：我们需要非常小心地构建更好的人工智能，而无需人类参与干预：https://arstechnica.com/ai/2024/10/the-quest-to-use-ai-to-build-better-ai/老实说，他关于人工智能被炒作的说法并没有错。而且我同意，一旦炒作逐渐平息，它就会变得有用：https://www.tomshardware.com/tech-industry/artificial-intelligence/linus-torv
No, Michele. Catherine Did Not Endorse You.
昨天，现任北卡罗来纳州立大学校长凯瑟琳·特鲁伊特 (Catherine Truitt) 发布了一张自己站在“我投票了，你投票了吗？”标语前的照片。她说：“我们的 @ncpublicschools 学生应该得到一位经验丰富的学校领导。”特鲁伊特本可以消除所有疑虑，只需说她投票给了莫·格林 (Mo Green)。她暗示她不会……继续阅读不，米歇尔。凯瑟琳没有支持你。
Microsoft’s Inference Framework Brings 1-Bit Large Language Models to Local Devices
2024 年 10 月 17 日，微软宣布推出 BitNet.cpp，这是一个旨在运行 1 位量化大型语言模型 (LLM) 的推理框架。BitNet.cpp 是 Gen AI 的一项重大进展，它能够在标准 CPU 上高效部署 1 位 LLM，而无需昂贵的 GPU。这一发展使 LLM 的访问变得民主化，使其可以在各种 […]文章《微软的推理框架将 1 位大型语言模型带到本地设备》首先出现在 Unite.AI 上。
2024 年 10 月 3 日Doctor Web 病毒分析师发现了一种新的 rootkit 修改版，该修改版会在受感染的 Linux 机器上安装 Skidmap 挖矿木马。该 rootkit 被设计为一个恶意内核模块，通过提供有关 CPU 使用率和网络活动的虚假信息来隐藏矿工的活动。这种攻击似乎是无差别的，主要针对企业部门——大型服务器和云环境——在这些领域可以最大限度地提高挖矿效率。Redis 数据库管理系统是世界上最受欢迎的 NoSQL 数据库：Redis 服务器被 X（前身为 Twitter）、Airbnb、亚马逊等大型公司使用。它的优势显而易见：最高性能、极小的内存占用以及对各种数据
CREVIS Chooses Pleora eBUS Solution for Latest Generation of GigE Vision and USB3 Vision Cameras
与竞争方法相比，eBUS Receive 将 CPU 使用率降低了 20% 以上，确保机器视觉应用的低延迟和高可靠性
The Ultimate Handbook for LLM Quantization
深入研究 LLM 量化和技术照片由 Siednji Leon 在 Unsplash 上拍摄 CPU 上的 LLM？是的，你没听错。从处理对话到创建自己的图像，AI 自诞生以来已经取得了长足的进步。但它也带来了瓶颈。随着模型的扩展，它们的计算需求也在增加。AI 开始严重依赖计算能力。为了满足这些需求，我们转向了 GPU，剩下的就是历史了。许多设备没有强大的 GPU，因此错过了 AI 功能。有必要缩小这些模型的大小和功能，以便在计算能力有限的设备（如手机或仅配备 CPU 的计算机）上运行 AI 模型。早期的努力包括修剪和蒸馏等技术。然而，这些方法对于通常具有大规模架构的 LLM 来说并不可行。最近
The Quiet Revolution in Keeping Your Computer Cool and Efficient
不断突破计算能力界限的追求凸显了一个重大挑战：有效管理中央处理器 (CPU)（计算机的大脑）产生的热量。传统的冷却方法主要使用风扇吹风，由于空气的基本热处理特性和移动可靠性，它们已经达到了极限[...]
