2024年2月，各类安全事件损失金额较2023年1月大幅增加。2024年2月发生较典型安全事件超22起，因黑客攻击、钓鱼诈骗和RugPull造成的总损失金额达4.22亿美元，较1月上涨约103%。其中攻击事件约3.47亿美元，增长约110%；钓鱼诈骗事件约1608万美元，下降约52%；RugPull事件约5938万美元，增长约440%。黑客攻击方面典型安全事件9起(1)2月9日，区块链游戏平台PlayDapp遭遇黑客攻击，攻击者的地址被添加为铸币者，铸造2亿枚PLA代币（价值3100万美元）。2月12日，PlayDapp再次遭到私钥泄露攻击，攻击者共铸造了15.9亿个PLA代币，两次攻击所导致
零时科技每月安全事件看点开始了！据一些区块链安全风险监测平台统计显示，2024年2月，各类安全事件损失金额较2023年1月大幅增加。2024年2月发生较典型安全事件超22起，因黑客攻击、钓鱼诈骗和RugPull造成的总损失金额达4.22亿美元，较1月上涨约103%。其中攻击事件约3.47亿美元，增长约110%；钓鱼诈骗事件约1608万美元，下降约52%；RugPull事件约5938万美元，增长约440%。此外，还有一些具体安全事件和新的消息，下面来为大家详细讲述。黑客攻击方面典型安全事件 9 起(1) 2月9日，区块链游戏平台PlayDapp遭遇黑客攻击，攻击者的地址被添加为铸币者，铸造2亿枚
Transformer又又又被挑战了！这次的挑战者来自大名鼎鼎的谷歌DeepMind，并且一口气推出了两种新架构，——Hawk和Griffin。论文地址：https://arxiv.org/abs/2402.19427这种将门控线性RNN与局部注意力混合在一起的模型新架构的表现相当亮眼。首先，同为线性RNN架构的Griffin，凭借着1/2的训练数据，在所有评测中全面优于之前大火的Mamba。更重要的是，Griffin将模型成功扩展到了14B，做到了Mamba想做却没能做的事。其次，面对基于Transformer架构的模型，Griffin则凭借着1/6的训练数据，打平甚至超越了同等参数量的Ll
1.产品发布1.1雅意2.0国产大模型发布发布时间：2023-12-15雅意2.0国产大模型发布支持多款国产算力硬件兼容_凤凰网主要内容：中科闻歌发布了雅意2.0，并公布了开源技术报告。雅意2.0的模型架构和代码都是自主研发的，可用于行业应用场景的自主训练和微调，并支持多款国产算力硬件兼容。雅意2.0拥有数据、模型、应用的全自主知识产权，基于240TB多源基础数据和2.65万亿Tokens高质量训练数据。此外，雅意2.0还升级了多项技能，包括多轮对话角色扮演、超长上下文输入、多模态能力、内容安全风控以及智能插件等。1.2视频重绘工具DomoAI不用SD视频一键就能转动漫发布时间：2023-12
财报公布后，英伟达单日市值增加2770亿美元，创历史新高！而且，还创下了华尔街史上最大单日涨幅里程碑。有网友表示，「英伟达一天的涨幅，就超过了所有中国AI创业公司的估值总和。。。」要说原由，主要还是第四季度财报公布，英伟达用了3个「破记录」做了总结。-创纪录的季度营收为221亿美元，比第三季度增长22%，同比增长265%-创纪录的季度数据中心营收达到184亿美元，比第三季度增长27%，同比增长409%-创纪录的全年收入609亿美元，增长126%显然，第四季度营收远远超出了华尔街的预期，并重新点燃了投资者对AI的热情。仅一天的时间，英伟达股价飙升16.4%，收盘价为785.38美元，创下历史最高
一年一度的CES2024上，NVIDIA又给了全世界亿点点震撼。GeFroceRTX40SUPER系列显卡，全新的AIPC，GenerativeAI模型等全新AI模型和工具，以及AINPC……NVIDIA甩出的各种王炸级的产品和应用，再次击穿全球用户的想象力！正如发布会所说：在这个新世界，每一次游戏、每一个瞬间、每一处细节都至关重要。图片从史诗般的单人冒险，到激烈的多人对决，NVIDIA都带给了我们超越极限的体验。图片这次，NVIDIA还带给我们一个惊喜，就是AIPC的概念，它能让开发者的效率大增，带领玩家们进入完全不同的新境界。而最新RTX40SUPER系列显卡，在满足传统游戏玩家对于极致游
用扩散模型预测化学反应，速度直接暴涨1000倍！原本需要用计算机硬算几小时甚至一天，现在单个GPU用6秒钟就能搞定。这是MIT和康奈尔大学联合搞出来的一项新研究，用扩散模型来预测化学反应中最关键的过渡态结构，不仅计算速度提升1000倍，结果也竟然意想不到得准确，相关研究工作发表在NatureComputationalScience上：其中，麻省理工学院的段辰儒博士是第一加通讯作者。此外，康奈尔大学博士生杜沅岂、麻省理工学院博士生贾皓钧以及麻省理工学院HeatherKulik教授为该论文的共同作者，目前研究已经被MITNews报道。要知道，预测反应中的过渡态结构远非想象中简单——由于能量较高，它
就在今天，DeepMind公布了AlphaFold最新进展——「AlphaFold-latest」。根据DeepMind最新发布的技术报告，新一代的AlphaFold不仅仅能够以更高的准确性处理和预测蛋白质的结构。，时长01:32它还能将相似的能力推广到核酸、任意小分子配体等其他的生物分子结构上。虽然新的AlphaFold还没有完全开发完成，但是因为性能实在太好了，DeepMind忍不住要提前透露给大家看看。报告地址：https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/a-glimpse-of-the-next-gen
只需微调一下，大模型支持上下文大小就能从1.6万tokens延长至100万？！还是在只有70亿参数的LLaMA2上。要知道，即使是当前最火的Claude2和GPT-4，支持上下文长度也不过10万和3.2万，超出这个范围大模型就会开始胡言乱语、记不住东西。现在，一项来自复旦大学和上海人工智能实验室的新研究，不仅找到了让一系列大模型提升上下文窗口长度的方法，还发掘出了其中的规律。按照这个规律，只需调整1个超参数，就能确保输出效果的同时，稳定提升大模型外推性能。外推性，指大模型输入长度超过预训练文本长度时，输出表现变化情况。如果外推能力不好，输入长度一旦超过预训练文本长度，大模型就会“胡言乱语”。所
GPT-4V来做目标检测？网友实测：还没有准备好。虽然检测到的类别没问题，但大多数边界框都错放了。没关系，有人会出手！那个抢跑GPT-4看图能力几个月的迷你GPT-4升级啦——MiniGPT-v2。△（左边为GPT-4V生成，右边为MiniGPT-v2生成）而且只是一句简单指令：[grounding]describethisimageindetail就实现的结果。不仅如此，还轻松处理各类视觉任务。圈出一个物体，提示词前面加个[identify]可让模型直接识别出来物体的名字。当然也可以什么都不加，直接问~MiniGPT-v2由来自MiniGPT-4的原班人马（KAUST沙特阿卜杜拉国王科技大学
