Безопасность корпоративных ИИ-агентов с помощью отслеживания данных
ИИ-агенты в компаниях могут автономно извлекать информацию из закрытых внутренних систем и передавать её другим агентам без участия человека. Например, один агент собирает конфиденциальные сведения о ценах, а второй использует их для подготовки коммерческого предложения. Такой обмен данными между агентами без верификации создает новые риски для корпоративной безопасности.
Читать в первоисточнике — MIT Technology Review ↗
Ещё в ленте
Масштабирование ИИ через объединение небольших специализированных агентов
В статье рассматривается исследование The Wealth of Agents, посвященное масштабированию ИИ без прямого увеличения размера моделей. Концепция предполагает объединение сотен небольших специализированных агентов от независимых разработчиков для совместного выполнения задач. Подобный подход позволяет превзойти по эффективности крупные универсальные системы даже при меньших затратах.
Опыт переноса контекста и истории проектов из Claude Code в OpenAI Codex
После блокировки доступа к Claude Code со стороны Anthropic разработчик перенес проекты на OpenAI Codex. Для сохранения истории диалогов, архитектурных решений и контекста разработки использовался инструмент Hansard.
Опыт запуска модели gemma-4-12B-it-QAT на ноутбучной видеокарте с 8 ГБ памяти
Пользователь протестировал запуск квантованной модели gemma-4-12B-it-QAT в LM Studio на ноутбучной видеокарте Nvidia RTX 2000 Ada с 8 ГБ VRAM. Модель с контекстом 8192 токена полностью помещается в видеопамять и работает со скоростью 12 токенов в секунду. Это позволяет комфортно вести локальные диалоги и генерировать код без перегрузки системы.
Основы глубокого обучения: разбор задач NLP и классификация текста
Вышла третья статья из обучающей серии материалов, посвященных основам глубокого обучения. В этой части рассматриваются задачи обработки естественного языка (NLP). Автор демонстрирует реализацию двухслойной нейронной сети для классификации текста.