iFeeling Daily

每天精选值得关注的 AI 动态

每天精选值得关注的 AI 动态

前沿技术

LoRA 并非微调最优解，Hugging Face 用统一基准证明 OFT 等新方法在准确率和内存两项指标上均能同时超越它。

Atlas用Google Cloud SQL Enterprise Plus掌管数百个数据库，运维时间减少30%，团队能腾出手来投入AI创新。

Google开源了Brazos液冷系统，一个直接插在机架上、跟风冷机房兼容的闭环液冷方案。它解决了“想用液冷就必须改造整个数据中心”的老大难问题，让运营商可以逐机柜部署1000W+的AI芯片，不用等数月工期和巨额水冷管道投资。

Google 揭露了一起针对北美医学和军事机构的长期渗透，黑客利用科研软件 REDCap 的版本兼容漏洞切入，植入能通过软件升级“永生”的恶意软件，最后竟然用企业邮件系统的合规规则来悄悄外传情报。整个过程花了超过一年，手法极其隐蔽。

企业AI落地瓶颈不在模型，而在组织落地。OpenAI砸1.5亿美元建合作伙伴网络，设三级认证、专项培训和一线联合部署团队，目标2026年前培训30万认证顾问。这是复制云厂商生态玩法的关键一步。

如果你正在反复调整LLM的数据或架构，想快速对比不同checkpoint的改进，olmo-eval能帮你把评估变得灵活、可重复，还能逐问题比对，区分真实提升和统计噪声。

ShinyHunters 利用 Oracle PeopleSoft 零日漏洞对高校发起定向攻击，68% 受害者是教育机构。这篇文章扒光了攻击者的完整操作链：从伪装 Azure 服务的 MeshCentral 到利用 .bash_history 记录窃取的 SSH 爆破脚本。

别再盲目信任 torch.compile 了。这篇通过实际 PyTorch profiler trace 分析，精准指出单层 Linear 下编译器几无作用，而 MLP 中编译器的融合才是真功夫。核心思考方法是：看 trace 前先做预测，任何不匹配都是最有价值的发现。