Денис Аветисян

Охота на уязвимости: как большие языковые модели учатся на ошибках прошлого

от

В системах поиска и извлечения знаний, эффективность обнаружения уязвимостей демонстрирует перевернутую U-образную зависимость от порога отбора знаний, где спецификации общего характера (Specrep) и детализированные случаи уязвимостей (VulSpec) достигают оптимального баланса, а случаи CVE (NVD), преобразованные в специфические спецификации, лишь дополняют этот процесс.

Новый подход позволяет повысить точность обнаружения уязвимостей в программном обеспечении, используя исторические данные и спецификации безопасности.

Визуальные объекты: новый инструмент для обучения моделей

от

DORAEMON представляет собой унифицированный конвейер обучения, использующий общую визуальную основу и модульные головки задач для классификации, распознавания лиц и поиска, при этом обработка данных, функции потерь и оптимизация полностью настраиваются через YAML для обеспечения масштабируемого развертывания.

DORAEMON – это PyTorch-фреймворк, предназначенный для унификации и ускорения исследований в области моделирования и обучения представлений визуальных объектов, с поддержкой широкого спектра моделей и инструментов для интерпретации и развертывания.

Нейронные сети без слотов: к биологически правдоподобной памяти и вниманию

от

В архитектурах трансформеров и рекуррентных нейронных сетях, обратное распространение градиентов через агрегированные слоты или рекурсивные скрытые состояния эффективно представляет собой обратное распространение во времени, где обновления весов вычисляются и суммируются итеративно по всем временным шагам как внешние произведения между градиентами и паттернами активности, демонстрируя фундаментальную связь между этими, казалось бы, разными подходами к обработке последовательностей.

Новый подход к построению нейронных сетей, вдохновленный принципами работы мозга, для улучшения обработки информации и повышения устойчивости к экстремальным событиям.

MedSapiens: Новый взгляд на определение анатомических ориентиров в медицинской визуализации

от

Модель Sapiens, изначально разработанная для задач компьютерного зрения, была адаптирована для обнаружения анатомических ориентиров, в результате чего MedSapiens превзошла существующую модель UniverDetect, продемонстрировав иерархическую природу человеко-ориентированных задач и потенциал переносимости знаний между различными областями.

Перенос знаний из моделей оценки позы человека позволяет добиться значительного прогресса в точном определении анатомических ориентиров на медицинских изображениях.