#452 – Dario Amodei: Anthropic CEO on Claude, AGI & the Future of AI & Humanity
Dario Amodei 是 Anthropic 公司的首席执行官，该公司创造了 Claude。Amanda Askell 是一名人工智能研究员，致力于研究 Claude 的性格和个性。 Chris Olah 是一位致力于机械可解释性的人工智能研究员。感谢您的聆听❤查看我们的赞助商：https://lexfridman.com/sponsors/ep452-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/dario-amodei-transcript联系 LEX：反馈 - 向 Lex 提供反馈：https://lex
Microsoft AutoGen: Multi-Agent AI Workflows with Advanced Automation
微软研究院于 2023 年 9 月推出了 AutoGen，这是一个开源 Python 框架，用于构建能够进行复杂多代理协作的 AI 代理。AutoGen 已经在研究人员、开发人员和组织中获得了关注，截至 2024 年 5 月，GitHub 上有超过 290 名贡献者，下载量接近 90 万次。在此成功的基础上，微软推出了 AutoGen Studio，这是一款低代码 […]文章 Microsoft AutoGen：具有高级自动化功能的多代理 AI 工作流首先出现在 Unite.AI 上。
Augment Code Launches AI-Powered Platform to Revolutionize Team-Based Software Development
为了重新定义软件开发的未来，Augment Code 走出隐身模式，推出了第一个专为开发团队设计的人工智能编码平台。凭借其专有的人工智能技术，该平台提供了前所未有的上下文理解水平，使其成为现有解决方案（如 GitHub）的更好替代方案 […]文章《Augment Code 推出人工智能平台，彻底改变基于团队的软件开发》首次出现在 Unite.AI 上。
Hidden cryptocurrency mining and theft campaign affected over 28,000 users
2024 年 10 月 8 日 Doctor Web 的病毒分析师发现了一场大规模活动，该活动旨在传播加密货币挖矿和加密货币窃取恶意软件，通过伪装成办公程序、游戏作弊程序和在线交易机器人将木马程序传送到受害者的计算机。在对用户提交的云遥测数据进行例行分析时，Doctor Web 病毒实验室的专家检测到伪装成 Windows 组件的程序的可疑活动（StartMenuExperienceHost.exe，此名称的合法进程负责管理“开始”菜单）。该程序与远程网络主机通信并等待传入连接以立即启动 cmd.exe 命令行解释器。伪装成系统组件的是 Ncat 网络实用程序，当用于合法目的时，它会通过命
От песочницы до ядра: Snapekit обходит все уровни защиты Linux
Rootkit代码在GitHub上的出现将开启与黑客的新一轮对抗。
2024/09/23 A New Kind of Hidden Networking Science
在最近在 GitHub 上发布其代码的“人人有弹性的匿名通信”计划 (RACE) 成功的基础上，PWND2 将开发新兴通信路径（又称怪异网络）的正式模型，从根本上改善强大而有弹性的隐藏网络的部署和检测。
Clever Social Engineering Attack Using Captchas
这真的很有趣。这是针对 GitHub 用户的网络钓鱼攻击，诱骗他们解决一个假的验证码，该验证码实际上运行复制到命令行的脚本。聪明。
The Essential Guide to Effectively Summarizing Massive Documents, Part 1
文档摘要对于 GenAI 用例很重要，但如果文档太大怎么办！？继续阅读以了解我是如何解决这个问题的。“总结大量文本”——使用 GPT-4o 生成的图像文档摘要如今已成为使用现代生成式人工智能 (GenAI) 技术解决的最常见问题陈述之一（如果不是最常见问题）。检索增强生成 (RAG) 是一种用于解决该问题的常见但有效的解决方案架构。但是，如果文档本身太大以至于无法在单个 API 请求中作为一个整体发送怎么办？或者，如果它产生太多块而导致臭名昭著的“迷失在中间”上下文问题怎么办？在本文中，我将讨论我们在处理此类问题陈述时面临的挑战，并逐步介绍我使用 Greg Kamradt 在其 GitHub
Introducing Semantic Tag Filtering: Enhancing Retrieval with Tag Similarity
语义标签过滤如何使用语义相似性来改进标签过滤***要理解本文，需要了解 Jaccard 相似性和向量搜索。该算法的实现已在 GitHub 上发布，并且完全开源。多年来，我们已经发现了如何从不同模态中检索信息，例如数字、原始文本、图像以及标签。随着定制 UI 的日益普及，标签搜索系统已成为一种方便的方式，可以轻松过滤具有良好准确度的信息。通常使用标签搜索的一些情况是检索社交媒体帖子、文章、游戏、电影甚至简历。然而，传统的标签搜索缺乏灵活性。如果我们要过滤掉包含指定标签的样本，可能会出现这样的情况：特别是对于只包含几千个样本的数据库，可能没有任何（或只有几个）与我们的查询匹配的样本。在结果稀缺的情
How Generative AI can Enhance Human Creativity
生成式人工智能如何彻底改变创造力和创新想象一个创造力无止境的世界，唯一的限制就是你的想象力。生成式人工智能正在将这个世界变成现实，将人类的聪明才智与机器的力量融为一体。在本文中，我们将探讨生成式人工智能如何不仅是一种工具，而且还是一种协作者，帮助艺术家、设计师和创作者突破可能的界限。让我们深入了解这项技术如何改变创意格局，释放人类创造力和创新的新潜力。一张视觉冲击力强的图片代表了生成式人工智能增强人类创造力的概念。它说明了人类创造力和人工智能之间的动态协作。生成式人工智能简介生成式人工智能是指一类旨在生成新内容的人工智能模型；文本、图像、音乐或其他形式的媒体。与主要专注于分析数据和提供见解的传
Microsoft lanserar Github Models som en konkurrent till Hugging Face
Microsoft 最近推出了 Github Models 一项新功能，旨在通过将生成式 AI 模型直接与 GitHub 上的现有工具和功能集成，使开发人员更容易使用生成式 AI 模型。 Github Models 主要是 GitHub 上提供的 Azure AI-Playground/集成，令人惊讶的是，Huggingface 不仅仅是一个权重 CDN，[…]微软推出 Github Models 作为 Hugging Face 的竞争对手的帖子首次出现在 AI 上。消息。
Deploying dbt Projects at Scale on Google Cloud
使用 Artifact Registry、Cloud Composer、GitHub Actions 和 dbt-airflow 容器化和运行 dbt 项目继续阅读 Towards Data Science »
ITC 2024 at Stanford! Early-Bird Registration Deadline August 1
信息理论密码学 (ITC) 会议将于 8 月 14 日至 16 日在斯坦福举行，恰好在圣巴巴拉的 CRYPTO 之前！会议将有一系列精彩的演讲和演讲者，包括几场“焦点”和“亮点”演讲！您可以在此处找到时间表：https://itcrypto.github.io/2024/2024prog.html 早鸟注册截止日期为 7 月 24 日星期三、8 月 1 日星期四，请立即注册！
BlazeFace: How to Run Real-time Object Detection in the Browser
训练 BlazeFace 模型的分步指南，从 Python 训练管道到 JavaScript 演示，再到模型转换。自由改编自 Unsplash 上的 visuals 的照片得益于 Ultralytics 的 YOLO 等库，如今只需几行代码即可轻松创建强大的对象检测模型。不幸的是，这些解决方案的速度还不够快，无法在任何设备上以每秒 30 帧（通常被认为是视频应用程序的实时极限）的速度在 Web 浏览器中实时视频流上运行。通常，它在普通移动设备上的运行速度低于 10 fps。Web 浏览器上最著名的实时对象检测解决方案是 Google 的 MediaPipe。这是一个非常方便且用途广泛的解决方案
Introducing zeroCPR: An Approach to Finding Complementary Products
推荐系统当前的 ML 模型可以推荐类似的产品，但互补性如何？在 AI 推荐系统领域，机器学习模型已被广泛用于推荐类似的样本，无论是产品、内容，还是建议类似的联系人。这些预训练模型大多数都是开源的，无需从头开始训练模型即可使用。但是，由于缺乏大数据，我们没有可以依赖的开源技术来推荐互补产品。在下面的文章中，我提出了一个框架（代码以用户友好库的形式呈现），该框架利用 LLM 以低成本的方式发现互补产品。我引入这个框架的目标是：可扩展该框架在运行时不需要监督，没有中断的风险，并且输出应该易于构建，可以与其他工具结合使用。负担得起应该能够以最低的花费（每 1000 个计算产品约 1 美元 - 使用 g
Diffusion Model from Scratch in Pytorch
去噪扩散概率模型 (DDPM) 的实现 MNIST 上的 DDPM 示例 — 作者提供的图片简介一般来说，扩散模型是一种生成式深度学习模型，它从学习到的去噪过程中创建数据。扩散模型有很多种，最流行的通常是文本条件模型，它可以根据提示生成特定的图像。一些扩散模型 (Control-Net) 甚至可以将图像与某些艺术风格融合在一起。下面是一个例子：作者使用经过微调的 MonsterLabs 的 QR Monster V2 提供的图片如果您不知道这幅图像有什么特别之处，请尝试远离屏幕或眯起眼睛来查看图像中隐藏的秘密。扩散模型有许多不同的应用和类型，但在本教程中，我们将构建基础的无条件扩散模型 DDP
Improve RAG accuracy with fine-tuned embedding models on Amazon SageMaker
这篇文章演示了如何使用 Amazon SageMaker 微调 Sentence Transformer 嵌入模型并将其部署到 Amazon SageMaker Endpoint。本文中的代码和更多示例可在 GitHub 存储库中找到。
