Skip to main content

黑洞资源笔记

黑洞资源笔记
黑洞资源笔记

  3. LeftoverLocals：通过GPU本地内存泄漏监听LLM响应

    研究人员发现了一种新的GPU漏洞LeftoverLocals，通过该漏洞攻击者可以读取其他进程中的GPU本地内存数据。这会影响LLM等GPU应用的安全性，文章以llama.cpp为例，演示了如何通过读取本地内存来恢复LLM的响应。测试了多种平台，发现AMD、Apple和高通的GPU存在该漏洞。Nvidia和Intel等则不存在。

    攻击者可以通过并行程序来实现该攻击，不需要特殊权限。文章详细解释了技术原理和攻击步骤。由于该漏洞的影响范围很广，作者通过CERT/CC组织进行了协调披露，以便GPU厂商修复。

  4. 数字人对话系统 - Linly-Talker：将大型语言模型与视觉模型相结合的智能AI系统，创建了一种全新的人机交互方式，集成了各种技术，例如Whisper、Linly、微软语音服务和SadTalker会说话的生成系统。

    该系统部署在Gradio上，允许用户通过提供图像与AI助手进行交谈。用户可以根据自己的喜好进行自由的对话或内容生成。

  5. Fluid Database：可以根据摄取的数据更新其架构的“流体”自适应数据库，支持以自然语言以及半结构化格式输入数据，既支持传统查询语言，也支持直观的自然语言查询。

  6. SGLang：为大型语言模型(LLM)设计的结构化生成语言，旨在加速和更好地控制与LLM的交互。

    特点包括：灵活的前端语言，允许轻松编程LLM应用，支持多个连锁生成调用、高级提示技术、控制流、多模式、并行处理和外部交互；具备高性能运行时，使用RadixAttention可以显著加速复杂LLM程序的执行，自动跨多个调用重复使用KV缓存，同时支持连续批处理和张量并行处理。

  8. Inferflow：高效且高度可配置的大型语言模型(LLM)推理引擎。可以通过简单修改配置文件中的几行内容，而无需编写源代码，来为大多数常见的Transformer模型提供服务。

    主要特点
    可扩展且高度可配置：使用 Inferflow 服务新模型的典型方法是编辑模型规范文件，但不添加/编辑源代码。我们在 Inferflow 中实现了原子构建块和技术的模块化框架，使其在组合上可推广到新模型。如果该模型中的原子构建块和技术（对于 Inferflow）“已知”，则 Inferflow 可以为该新模型提供服务。
    3.5位量化：Inferflow实现2位、3位、3.5位、4位、5位、6位和8位量化。在量化方案中，3.5位量化是Inferflow推出的新方案。
    多GPU推理的混合模型分区：Inferflow支持多GPU推理，具有三种模型分区策略可供选择：按层分区（管道并行）、按张量分区（张量并行）和混合分区（混合并行） ）。其他推理引擎很少支持混合分区。
    宽文件格式支持（并安全加载pickle数据）：Inferflow支持直接加载多种文件格式的模型，而不依赖于外部转换器。支持的格式包括pickle、safetensors、llama.cpp gguf等。众所周知，使用Python代码读取pickle文件存在安全问题。通过在 C++ 中实现简化的 pickle 解析器，Inferflow 支持从 pickle 数据安全地加载模型。
    广泛的网络类型支持：支持三种类型的变压器模型：仅解码器模型、仅编码器模型和编码器-解码器模型。
    GPU/CPU混合推理：支持仅GPU、仅CPU、GPU/CPU混合推理。

  10. Datadrift：开源的监控和事件管理平台，旨在帮助数据团队交付可信赖的指标。该平台提供了指标的可观测性和故障排除功能，与静态测试和元数据监控不同，侧重于行级监控和故障排除，使数据团队能够更快地检测和解决数据问题。

    Website | Issues | Blog | Doc | Roadmap | github

  11. Marlin：混合自回归线性核(Mixed Auto-Regressive Linear kernel)，一个经过高度优化的FP16xINT4矩阵乘法核，用于LLM推理，可以在批量大小为16-32个token的情况下实现接近理想的约4倍加速。

  12. “茴香豆”是一个基于 LLM 的领域知识助手。特点：

    1.应对群聊这类复杂场景，解答用户问题的同时，不会消息泛滥
    2.提出一套解答技术问题的算法 pipeline
    3.部署成本低，只需要 LLM 模型满足 4 个 trait 即可解答大部分用户问题

  13. Privy：注重隐私的编程助手，可在本地系统上运行候选平台的LLM(语言模型)，可以选择Mistral、CodeLLama等热门的LLM。安装Privy扩展可以从Visual Studio Code Marketplace或Open VSX Registry进行

  15. LLMPlus：一个 python 包，允许Python开发者使用不同的大型语言模型(LLM)并通过简单的界面进行提示工程，提供了加载LLM模型、嵌入模型和向量数据库的类，以创建带有自己的提示工程和RAG技术的LLM应用。

  16. Jute：用于交互式计算的本地笔记本，通过双击打开任意Jupyter Notebook，提供了一个精美的桌面应用，可以在强大的远程内核上运行40种编程语言的代码，并支持实时多人协作。

    Jute的目标是简化Jupyter前端，以提高速度、简单性和易用性，尤其强调了无需繁琐的安装、加载时间、不安全的浏览器环境、内核设置等问题，使用户能够轻松编写交互式代码和共享交互式文档。

  18. Cubzh：一个用C/C++和Lua编写的在线平台，允许用户使用与Lua脚本配对的立方体创建物品、环境和游戏。它受到Roblox和Minecraft的启发，具有易于使用的脚本环境和免费的服务器，可进行即时多人游戏，旨在释放类似Roblox中所见的创造力。