AI智能体安全挑战综述:从技术漏洞到监管响应的全景图AI智能体正在把人工智能从“生成内容”推进到“感知环境、调用工具并执行任务”。这意味着风险不再只停留在模型输出是否准确,还会延伸到训练数据、外部信息、记忆内容、文件系统和接口权限。对企业安全负责人而言...AI智能# 大语言模型# 应用落地# 微调3个月前1900
HyperAI 容器环境变量功能上线:提升算力安全部署指南HyperAI 在 7 月 9 日正式推出「环境变量」与「Secret 变量」功能,帮助算力容器在模型微调、推理部署或自动化任务中以更安全、更灵活的方式管理配置和凭证。 功能概述 环境变量:在创建或编...AI智能# 微调# 模型微调# 算力3个月前1700
Claude Code新增/design命令后,开发团队如何把界面原型纳入终端工作流Claude Code 在近期的早期预览中加入了 /design 命令,使得开发者可以直接在终端或 Claude Desktop 中通过自然语言提示生成 UI 原型。这一能力把传统的低保真线框(手绘...AI智能# 代码审查# 微调3个月前1200
本地小模型微调在行业垂直应用中的成本效益比较算力预算收紧时,很多团队会先问同一件事:要不要继续砸钱调用通用大模型,还是把任务收窄,在本地把小语言模型(SLM)微调到金融、制造、教育这类垂直场景里。答案很少是非黑即白,关键在于把一次性训练开销、日...AI智能# 医疗# 合规审计# 微调3个月前1300
企业部署智能体前的合规与数据隐私风险检查清单智能体从试点走向规模化,企业真正卡壳的地方往往不是模型能力,而是数据能不能出域、授权是否闭环、跨端调用有没有留痕。商业化节奏在加快,合规官与技术负责人更需要在上线前把通用检查点摊开,而不是等事故发生后...AI智能# 医疗# 外部检索# 微调3个月前1000
AI模型安全审计:企业如何防止幻觉输出与偏见在企业将大语言模型投入生产环境前,幻觉(模型生成不实信息)和偏见(输出倾向不公平或歧视)往往是最容易被忽视,却会直接影响产品安全与品牌声誉的风险点。通过系统化的安全审计,可以在模型上线前发现并修复这些...AI智能# 大语言模型# 微调# 数据清洗3个月前1550
开源AI模型本地化部署:从Muse Glimmer到LoRA微调的实操步骤随着Meta开源Muse Glimmer模型的发布,开源AI开发者迎来将大型模型部署到本地的全新机遇。Muse Glimmer作为30B参数的开源模型,采用Apache 2.0协议,专为本地常驻Age...AI智能# 微调# 推理加速# 显存3个月前1700
本地小模型(SLM)微调指南:如何在有限算力下打造行业专家模型把本地模型调成“懂行的助手”,关键不在于把参数改得越多越好,而在于把有限显存留给最能产生效果的部分。以 Muse Glimmer 这类约 300 亿参数的本地模型为例,24G 显存足以承担一定范围内的...AI智能# 微调# 数据清洗# 数据集3个月前610