3 514
订阅者
-624 小时
-127 天
-5230 天
数据加载中...
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
八月 '26
八月 '26
+3
在0个频道中
七月 '26
+3
在0个频道中
Get PRO
六月 '26
+27
在0个频道中
Get PRO
五月 '26
+3
在0个频道中
Get PRO
四月 '26
+3
在0个频道中
Get PRO
三月 '26
+1
在0个频道中
Get PRO
二月 '26
+917
在0个频道中
Get PRO
一月 '260
在0个频道中
Get PRO
十二月 '25
+4
在0个频道中
Get PRO
十一月 '25
+9
在0个频道中
Get PRO
十月 '25
+4
在0个频道中
Get PRO
九月 '25
+2
在0个频道中
Get PRO
八月 '25
+40
在0个频道中
Get PRO
七月 '25
+45
在0个频道中
Get PRO
六月 '25
+55
在0个频道中
Get PRO
五月 '25
+52
在0个频道中
Get PRO
四月 '25
+47
在0个频道中
Get PRO
三月 '25
+56
在0个频道中
Get PRO
二月 '25
+77
在0个频道中
Get PRO
一月 '25
+138
在0个频道中
Get PRO
十二月 '24
+121
在0个频道中
Get PRO
十一月 '24
+147
在0个频道中
Get PRO
十月 '24
+198
在0个频道中
Get PRO
九月 '24
+91
在0个频道中
Get PRO
八月 '24
+152
在0个频道中
Get PRO
七月 '24
+96
在0个频道中
Get PRO
六月 '24
+106
在0个频道中
Get PRO
五月 '24
+115
在0个频道中
Get PRO
四月 '24
+118
在0个频道中
Get PRO
三月 '24
+103
在0个频道中
Get PRO
二月 '24
+101
在2个频道中
Get PRO
一月 '24
+135
在0个频道中
Get PRO
十二月 '23
+99
在1个频道中
Get PRO
十一月 '23
+130
在1个频道中
Get PRO
十月 '23
+194
在0个频道中
Get PRO
九月 '23
+255
在0个频道中
Get PRO
八月 '23
+300
在0个频道中
Get PRO
七月 '23
+283
在0个频道中
Get PRO
六月 '23
+200
在0个频道中
Get PRO
五月 '23
+239
在0个频道中
Get PRO
四月 '23
+244
在0个频道中
Get PRO
三月 '23
+324
在0个频道中
Get PRO
二月 '23
+342
在0个频道中
Get PRO
一月 '23
+466
在0个频道中
Get PRO
十二月 '22
+399
在0个频道中
Get PRO
十一月 '22
+574
在0个频道中
Get PRO
十月 '22
+480
在0个频道中
Get PRO
九月 '22
+469
在0个频道中
Get PRO
八月 '22
+464
在0个频道中
Get PRO
七月 '22
+581
在0个频道中
Get PRO
六月 '22
+566
在0个频道中
Get PRO
五月 '22
+697
在0个频道中
Get PRO
四月 '22
+1 771
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 28 八月 | 0 | |||
| 27 八月 | 0 | |||
| 26 八月 | 0 | |||
| 25 八月 | 0 | |||
| 24 八月 | 0 | |||
| 23 八月 | 0 | |||
| 22 八月 | 0 | |||
| 21 八月 | 0 | |||
| 20 八月 | 0 | |||
| 19 八月 | 0 | |||
| 18 八月 | 0 | |||
| 17 八月 | 0 | |||
| 16 八月 | 0 | |||
| 15 八月 | 0 | |||
| 14 八月 | +3 | |||
| 13 八月 | 0 | |||
| 12 八月 | 0 | |||
| 11 八月 | 0 | |||
| 10 八月 | 0 | |||
| 09 八月 | 0 | |||
| 08 八月 | 0 | |||
| 07 八月 | 0 | |||
| 06 八月 | 0 | |||
| 05 八月 | 0 | |||
| 04 八月 | 0 | |||
| 03 八月 | 0 | |||
| 02 八月 | 0 | |||
| 01 八月 | 0 |
频道帖子
| 2 | Знание удел печали.mp3 | 122 |
| 3 | Вихри враждебные (2).mp3 | 174 |
| 4 | ПофигИн (1).mp3 | 304 |
| 5 | https://huggingface.co/unsloth/Qwen3.8-27B-GGUF | 313 |
| 6 | Негативные твари.mp3 | 373 |
| 7 | Американская платформа Roku (бывший проект Netflix) запустила «первый» круглосуточный канал с ИИ-сериалами, фильмами и сгенерированным аниме, пишет vc. ru.
Контент предоставляет ИИ-стартап Fairground Entertainment, который получает проценты от рекламы. | 367 |
| 8 | Вам нравятся мои песенки?
Выкладывать их ещё или не надо?
Лайк если надо, приведение если нет | 67 |
| 9 | Металлический ребёнок.mp3 | 296 |
| 10 | Полезные проги в виде обычных Html файлов | 312 |
| 11 | Магия в каждом.mp3 | 304 |
| 12 | Нэо, отдай нам глаза.mp3 | 303 |
| 13 | Наверное я дерево.mp3 | 307 |
| 14 | Струны крепче.mp3 | 288 |
| 15 | Береги огонь.mp3 | 297 |
| 16 | ДАЙДЖЕСТ - ПОДБОРКА СПЕЦИАЛИЗИРОВАННЫХ LLM ДЛЯ РАССЛЕДОВАНИЙ И РАЗВЕДКИ.
CyberPal 2.0-20B
🎯 Для чего подходит лучше всего:
Анализ киберугроз, работа SOC/IR, обработка CTI-отчётов, сопоставление CVE и CWE, определение MITRE ATT&CK TTP, подготовка рекомендаций по обнаружению и нейтрализации угроз.
⚙️ Особенности и ограничения:
Модель на 20–21 млрд параметров, основанная на gpt-oss-20b. Контекст — 8 192 токена. Формат весов — Safetensors/BF16, полный размер около 42 ГБ. Английский язык. Лицензия Apache 2.0. Работа в качестве автономного агента и использование внешних инструментов разработчиками пока не проверены. Требуется человеческая верификация выводов.
📊 Проверенные результаты:
В техническом отчёте модель получила средний результат 80,33% на девяти кибербенчмарках:
CTIBench MCQ — 75,71%;
CTIBench RCM — 87,40%;
CyberMetric — 89,05%;
CISSP — 86,87%;
Advanced CTI — 84,93%;
определение связей между CTI-сущностями — 87,66%;
извлечение TTP из реальных отчётов — 79,5%;
переоценка CVE — нормализованный результат 0,83.
💬 Это наиболее сильная доступная модель рейтинга для широкого локального CTI/SOC-контура.
Foundation-Sec-8B-Reasoning
🎯 Для чего подходит лучше всего:
Локальный аналитический помощник для SOC, триаж инцидентов, построение заметок по расследованию, сопоставление TTP, классификация уязвимостей, анализ конфигураций и логическое рассуждение по данным безопасности.
⚙️ Особенности и ограничения:
Модель на 8 млрд параметров на базе Llama 3.1. Поддерживает явные цепочки рассуждения. Полные BF16-веса занимают около 16 ГБ; доступны сторонние квантованные версии. Работает на английском языке. Может разворачиваться локально через Transformers, vLLM или SGLang. Лицензионные условия определены отдельным файлом NOTICE и требуют проверки перед коммерческим применением. Данные обучения ограничены апрелем 2025 года.
📊 Проверенные результаты:
В техническом отчёте приведены средние результаты пяти прогонов:
CTIBench MCQA — 69,1%;
CTIBench RCM — 75,3%;
Vulnerability Severity Prediction — 85,6%;
CTI-Reasoning — 41,1%;
Automated Threat Extraction — 49,1% micro-F1;
прогнозирование CWE на новых данных — 70,4%;
MMLU-Security — 78,2%;
CyberMetric — 84,3%;
SecEval — 84,8%.
💬 Модель превзошла Foundation-Sec-8B-Instruct в восьми из десяти профильных испытаний. Лучший вариант рейтинга при ограниченных вычислительных ресурсах.
Foundation-Sec-8B-Instruct
🎯 Для чего подходит лучше всего:
Диалоговый SOC/CTI-ассистент, суммаризация отчётов, извлечение индикаторов и сущностей, подготовка карточек инцидентов, объяснение терминов и формирование черновиков аналитических документов.
⚙️ Особенности и ограничения:
Модель на 8 млрд параметров на базе Llama 3.1. Контекст обучения — 4 096 токенов. Английский язык. Поддерживает локальное развёртывание через Transformers и vLLM. Проще и предсказуемее Reasoning-версии, но слабее в многошаговом анализе. Лицензия обозначена как other и регулируется файлом NOTICE.
📊 Проверенные результаты
CTIBench MCQA — 65,0%;
CTIBench RCM — 70,4%;
Vulnerability Severity Prediction — 84,0%;
CTI-Reasoning — 36,4%;
Automated Threat Extraction — 35,8% micro-F1;
прогнозирование CWE на новых данных — 61,6%;
SecEval — 82,9%.
💬 В опубликованной разработчиками safety-оценке модель прошла 91,98% проверок, а вместе с внешним LlamaGuard — 99,25%. Подходит для задач, где важнее контролируемый диалог и извлечение информации, чем сложное рассуждение.
Llama-Primus-Merged 8B
🎯 Для чего подходит лучше всего:
Экономичный локальный помощник для анализа CTI, ответов на вопросы по кибербезопасности, суммаризации, классификации угроз и дальнейшего дообучения под собственные данные.
⚙️ Особенности и ограничения:
Модель на 8 млрд параметров на базе Llama 3.1-8B-Instruct. Обучалась на специализированном корпусе объёмом 2,77 млрд токенов и примерно тысяче отобранных CTI-инструкций. Полные веса занимают около 16 ГБ. Заявлены английский и японский языки. Лицензия репозитория — MIT, но необходимо учитывать условия базовой Llama 3.1. Качество существенно зависит от типа задачи.
📊 Проверенные результаты:
По независимому AthenaBench:
совокупный результат — 43,7;
базовая Llama 3.1-8B — 38,8;
Llama 3.3-70B — 46,5;
GPT-5 — 66,1;
Threat Actor Attribution — 17%;
Automated Threat Extraction — 33,8%;
CTIBench RCM — 56,6%;
Vulnerability Severity Prediction — 71,9%;
Risk Mitigation — 6,6 F1.
💬 Primus заметно улучшает базовую Llama 3.1-8B, но не заменяет крупную универсальную модель в сложной атрибуции и выработке мер противодействия. Версию Primus-Reasoning нежелательно оценивать по CTIBench из-за пересечения части обучающих и тестовых данных.
SEVENLLM-Qwen1.5-7B
🎯 Для чего подходит лучше всего:
Обработка англо- и китайскоязычных CTI-материалов: извлечение IoC, вредоносного ПО, инструментов атаки, уязвимостей, временных маркеров, участников, событий и отношений между сущностями.
⚙️ Особенности и ограничения:
Доступная версия содержит около 7,72 млрд параметров и основана на Qwen1.5. Веса опубликованы в Safetensors, лицензия репозитория — MIT. Модель обучалась на 28 задачах: 13 задачах понимания и 15 задачах генерации. Русский язык не оценивался. Карточка опубликованной модели практически не документирована, а независимых современных испытаний немного.
📊 Проверенные результаты:
Согласно публикации SEvenLLM:
обучающий набор содержит около 90 тысяч примеров;
тестовый набор — 1 300 примеров;
исходный корпус включает 6 706 англоязычных и 1 779 китайскоязычных CTI-отчётов;
модели SEvenLLM превзошли соответствующие базовые Llama 2 и Qwen 1.5 в авторских тестах Rouge-L, semantic similarity, MCQ и оценке ответов с помощью GPT-4;
увеличение обучающего корпуса примерно до 70 тысяч примеров продолжало улучшать качество;
экспертная проверка обнаружила ошибки в 17% первоначально сгенерированного тестового материала, после чего набор был вручную исправлен.
💬 Модель подходит прежде всего для исследовательского применения и структурирования двуязычной CTI, но не имеет достаточной доказательной базы для автономного расследования.
🔻ВАЖНО ПОМНИТЬ!
Ни одна из моделей не должна самостоятельно формировать доказательственные выводы. Результаты необходимо подтверждать журналами, оригинальными артефактами, детерминированными инструментами и независимой экспертной проверкой. | 349 |
| 17 |  没有文字... | 367 |
| 18 |  Библиотека онлайн-инструментов в одной вкладке браузера
BrowseryTools — набор из 136 инструментов для повседневных задач: обработка изображений, AI, файлы, медиа и видео, текст и языки, данные и конвертация, математика и финансы, продуктивность, разработка, дизайн, безопасность.
Инструменты на все случаи жизни: от удаления фона и сжатия PDF до расшифровки аудио и генерации QR-кодов. От распознавания текста со сканов и до конвертации любых форматов.
И что важно для тех, кто не готов отдавать свои данные на сторону и хранит жесткий диск под подушкой — обработка данных происходит локально в браузере: файлы не загружаются на сторонние серверы.
Не всё работает идеально, зато всё в одном месте, без регистрации и без установки. А некоторые инструменты доступны и вовсе без интернета, что особенно актуально в наши непростые времена.
#сервисы #нейросети | 379 |
| 19 | Языковая система мозга и механизмы абстрактного мышления работают независимо друг от друга, выяснили нейробиологи из Массачусетского технологического института.
Люди с тяжёлыми речевыми нарушениями после инсульта справлялись с задачами на поиск правил и закономерностей не хуже здоровых участников. С помощью фМРТ учёные подтвердили, что языковые центры мозга не активируются во время логических рассуждений — за это отвечают другие системы, пишет портал Хайтек. | 359 |
| 20 | Хоть что-то хорошее в потоке новостей 😂 | 163 |
