» Etiket
ai
40 yayınHandbook.md: Uzun politika belgeleri AI ajanlarını güvenilir şekilde yönetemiyor
Handbook.md benchmarkı, AI ajanlarının uzun şirket politika belgelerine gerçekte ne kadar uyduğunu test ediyor; sonuçlar endişe verici.
Cracken'dan Blacksea: LLM Tabanlı Saldırganları Tuzağa Düşüren Açık Kaynak Araç
Cracken'ın açık kaynak Blacksea aracı, LLM tabanlı siber saldırganları yem dosyalarla tuzağa düşürüp kod çalıştırma imkânı sağlıyor.
ALIBI: Kötü Amaçlı Yorumlar LLM Zafiyet Tespitini Nasıl Atlatıyor
ALIBI saldırı çerçevesi, düşmanca kod yorumlarıyla LLM tabanlı zafiyet dedektörlerinin %90'ın üzerinde atlatılabildiğini ortaya koyuyor.
CommitBrief — terminalde yapay zekâ destekli kod incelemesi
Staged değişiklikleri, bir commit aralığını ya da bütün bir GitHub pull request'ini yerelde inceleyen sağlayıcı bağımsız CLI. Sıfır telemetri, sunucu yok. Açık kaynak, GPL-3.0.
commitbrief.comCodeCrucible: LLM Tabanlı SAST için Yeniden Kullanılabilir Şablon
Block'un CodeCrucible aracı, parça bazlı taramalar yerine tüm depoyu analiz eden LLM tabanlı SAST için yeniden kullanılabilir bir tasarım şablonu sunuyor.
ExploitGym: Yapay Zekâ Ajanları için Exploit Geliştirme Benchmarkı
ExploitGym, kullanıcı alanı, V8 ve Linux çekirdeği açıklarını kapsayan 869 görevlik açık kaynaklı yapay zekâ exploit benchmarkı.
Microsoft Copilot for Word'de Kendi Kendini Yayan Yapay Zeka Solucanı
Araştırmacı, Microsoft Copilot for Word'de kendi kendini yayan prompt enjeksiyonu açığını 144 günlük koordineli süreç sonunda ifşa etti.
Araştırma: Yapay Zeka Uzman İnsanları İkna Etmede Geçti
Yeni araştırma, yapay zekanın uzman insan ikna ustalarını hatta gerçek bağış toplamada bile geçtiğini gösteriyor.
AI Ajanları İçin Bağlam Kaybını Önleyen İki Belge Deseni
AI ajanları için iki belge deseni: ekleme yapılabilir günlük ve düzenlenebilir indeks. Bağlam kaybını önler, hataları düzeltir.
Doktor ve Yapay Zeka Birlikte Karar Verirse Sorumluluk Kimde?
Tıbbi yapay zekayı otonomi, otomasyon ve kapsamına göre sınıflandıran yedi seviyeli çerçeve, sorumluluk boşluklarını kapatmayı amaçlıyor.
Çok Modelli AI Hatlarında Gerçek Neden Kayboluyor
Çok modelli YZ sistemlerinde model geçişleri, hata vermeden kanıtları ve uyarı notlarını kaybedebilir, temkinli bulguları yanlış kesinliğe dönüştürebilir.