We all are BiTs
471 subscribers
1.24K photos
99 videos
174 files
898 links
all about 0 & 1 : Twitter : @NavidDariya
Download Telegram
@ai_python Telegram Channel
این نوشتار مفهوم جدول توزیع سرویس سیستم (SSDT) را تشریح می‌کند، که یک آرایه حاوی آدرس‌ها یا آفست‌های نسبی برای روتین‌های کرنل در سیستم‌عامل‌های ویندوز است. این جدول به عنوان یک پل ارتباطی حیاتی بین فراخوان‌های API از فضای کاربر و روتین‌های متناظر کرنل عمل می‌کند و تعیین می‌کند که کدام عملیات کرنل باید در پاسخ به یک فراخوان سیستمی اجرا شود. داکیومنت به صورت دقیق توضیح می‌دهد که چگونه آفست‌های SSDT در سیستم‌های ۶۴ بیتی به آدرس‌های مطلق تبدیل می‌شوند و اهمیت SSDT را در شناسایی فراخوان‌های سیستمی و عملکردهای مرتبط کرنل نشان می‌دهد. همچنین به اختصار به تاریخچه دستکاری SSDT توسط آنتی‌ویروس‌ها و روت‌کیت‌ها و مقابله مایکروسافت با آن از طریق PatchGuard اشاره شده است.

@WearebiTs

https://www.ired.team/miscellaneous-reversing-forensics/windows-kernel-internals/glimpse-into-ssdt-in-windows-x64-kernel
Forwarded from DLeX: AI Python (NaviD DariYa)
🥇 تاپ ترین Paper های در حوزه ماشین لرنینگ، از دیدگاه DAIR.AI :
@ai_python

🥇 Many-shot Jailbreaking : Paper

🥇 SWE-Agent : Paper

🥇 Mixture-of-Depths : https://arxiv.org/abs/2404.02258

🥇 Local Context LLMs Struggle with Long In-Context Learning : https://arxiv.org/abs/2404.02060

🥇 Visualization-of-Thought : https://arxiv.org/abs/2404.03622

🥇 The Unreasonable Ineffectiveness of the Deeper Layers : https://arxiv.org/abs/2403.17887v1

🌐 🌐 🌐 @ai_python

🥇 JetMoE : https://research.myshell.ai/jetmoe

🥇 Representation Finetuning for LMs : https://arxiv.org/abs/2404.03592

🥇 Advancing LLM Reasoning : https://github.com/OpenBMB/Eurus/blob/main/paper.pdf

🥇 Training LLMs over Neurally Compressed Text : https://arxiv.org/abs/2404.03626
Please open Telegram to view this post
VIEW IN TELEGRAM
Audio
@navidcasts

این پادکست، از ویدیویی آموزشی از مایکروسافت لرن است که به معرفی و پیکربندی فضای کاری Azure Machine Learning می‌پردازد. این ویدیو توضیح می‌دهد که چگونه دانشمندان داده می‌توانند از سرویس Azure Machine Learning برای آموزش و مدیریت مدل‌های یادگیری ماشینی خود استفاده کنند. همچنین، به بررسی منابع و دارایی‌های مرتبط با این سرویس، مانند حساب ذخیره‌سازی، Key Vault، Application Insights و Container Registry، و نحوه تعامل با آن‌ها از طریق رابط کاربری پورتال Azure، Azure Machine Learning Studio، Azure CLI و Python SDK می‌پردازد. در نهایت، این منبع به تشریح مدیریت دسترسی‌ها، پیکربندی داده‌ها (Data Stores و Data Assets)، انواع منابع محاسباتی (Compute) و نحوه تعریف و استفاده از محیط‌های (Environments) Docker-based برای اطمینان از سازگاری و تکرارپذیری در فرآیندهای یادگیری ماشینی می‌پردازد.
این منبع یک نمای کلی از Cloud NGFW (نسل بعدی فایروال) گوگل کلود ارائه می‌دهد و بر قابلیت‌های آن برای مدیریت بهینه قوانین فایروال در محیط‌های ابری تأکید دارد. بخش اصلی به به‌روزرسانی‌های دسته‌ای (Batch Updates) می‌پردازد که به کاربران امکان می‌دهد چندین قانون فایروال را به صورت همزمان به‌روزرسانی کنند، که این امر یکپارچگی و کارایی مجموعه قوانین فایروال را تضمین می‌کند.

همچنین، این سند مراحل سه‌گانه صادرات، تغییر، و وارد کردن قوانین فایروال را برای انجام به‌روزرسانی‌های دسته‌ای توضیح می‌دهد و مجوزهای لازم برای این عملیات را مشخص می‌کند.

https://youtu.be/41diP8-dS94?si=YpnoUL7ZTIICWLmd
@WearebiTs

قابلیت Loss of Pulse Detection که برای تشخیص از کار افتادن ضربان قلب / نبضِ صاحب ساعت هست، در بسیاری از کشورها از جمله اتریش، فعال خواهد بود. این قابلیت مربوط به ساعت هوشمند Google Pixel Watch 3 و 4 هست.

@WearebiTs

اطلاعات تکمیلی در خصوص این قابلیت را می توانید در این لینک بخوانید :

لینک پرسش و پاسخ در این خصوص در پشتیبانی گوگل