GitHub

shtest-encoding.py breaks with python 3.14

The llvm-21-tools package ships a test file that contains non-UTF-8 characters without an encoding declaration, causing package installation to fail with Python 3.14 ...
GitHub

Byte-Pair Encoding tokenizer implementation in Rust with Python bindings.

Rust provides ~25–31× speedup as vocab grows from 512 → 2048. Scaling with vocab size is much better in Rust: mildly superlinear vs. clearly more superlinear in Python. For this small dataset with ...

基于多模态感知与行为分析的二维码钓鱼防御机制研究

在数字化转型的浪潮中，电子邮件系统作为企业内外部信息交互的枢纽，始终是网络攻防博弈的主战场。长期以来，针对邮件系统的攻击主要集中于文本内容的混淆、恶意附件的伪装以及URL链接的隐匿。为了应对这些威胁，企业普遍部署了基于签名库、启发式规则及沙箱技术的邮件安全网关（SEG），形成了相对成熟的防御体系。然而，攻击者的战术始终随着防御技术的升级而动态演进。近年来，一种利用二维码作为攻击媒介的新型钓鱼手法— ...
腾讯网

超越上下文窗口：CodeAct与RLM，两种代码驱动的LLM扩展方案

点击上方“Deephub Imba”,关注公众号,好文章不错过 !用语言模型写代码、查数据库、跑自动化流程这些事情大家早就习以为常了。Vibe Coding ...
腾讯网

用 PyTorch 实现 LLM-JEPA：不预测 token，预测嵌入

点击上方“Deephub Imba”,关注公众号,好文章不错过 !这篇文章从头实现 LLM-JEPA: Large Language Models Meet Joint Embedding Predictive Architectures。需要说明的是，这里写的是一个简洁的最小化训练脚本，目标是了解 JEPA 的本质：对同一文本创建两个视图，预测被遮蔽片段的嵌入，用表示对齐损失来训练。本文的目标是 ...