يقدم الباحثون طريقة Mid-Harness، التي تقوم بأخذ عينات من الإجراءات المرشحة والتحقق منها عند حدود نموذج-أداة التحكم لتحسين موثوقية التنفيذ في وكلاء الطرفية. يخصص هذا النهج حوسبة وقت الاختبار من خلال التحقق من خيارات متعددة قبل إرسال واحدة للتنفيذ، مع الحفاظ على المولد وأداة التحكم دون تغيير.
يقدم المقال Human2Any، وهي طريقة للنقل من الإنسان إلى الروبوت تستخدم التخطيط التركيبي الواعي بالقيود. لا توجد تفاصيل إضافية أو نص رئيسي مقدم في المصدر.
يقدم الباحثون تصميم ShareMMU، وهو تصميم لـ IOMMU يسمح للعديد من المسرعات غير الموثوقة بإعادة استخدام العناوين المترجمة مسبقًا بشكل آمن ضمن مساحة عنوان افتراضية مشتركة. يخفف هذا النهج من مخاطر القنوات الجانبية المرتبطة بمخازن المؤقتة الكبيرة للبحث عن الترجمات المشتركة (TLBs) مع الحفاظ على أداء عالٍ.
يقدم الباحثون التفريغ بالتفريغ المتوازي (PDD)، وهي طريقة مبسطة تعتمد على المسارات لتسريع الاستدلال في نماذج الانتشار ومطابقة التدفق. وعلى عكس الأساليب الحالية التي تعتمد على تفريغ الدرجات التبايني الصعب التحسين والخسائر التنافسية، يتنبأ PDD بعدة خطوات إزالة الضوضاء لكل تقييم للشبكة.
يقدم باحث إنفيديا ن. هوروكس نماذج أخطاء الكاشف الموسعة (EDEMs) المصممة للتعامل مع البرامج الكمية المتسامحة مع الأخطاء التي تحتوي على دوائر مستقرة وأخطاء بولي عشوائية. تتيح هذه النماذج تحليل الأخطاء بالتأليف تسلسلياً ومتوازياً، مما يعكس بنية التنفيذ الفعلي للدائرة.
يقترح الباحثون Onyx، وهو نهج فعال من حيث التكلفة لبحث الجيران الأقربين التقريبي (ANN) غير المدرك للقرص، يوازن بين عرض النطاق وعدد الوصولات عن طريق عكس تصميم أنظمة ORAM-ANN الأكثر تقدمًا.
يقدم الباحثون Privatar، وهو إطار عمل يُعيد بناء الأفاتار من النظارات إلى أجهزة محلية غير موثوقة مع الحماية من اعتراض البيانات. يستفيد النظام من المعرفة المتخصصة في إعادة بناء الأفاتار لتحقيق إرسال خارجي خاص بشكل مثبت بأقل تكلفة أداء.
قدم باحثون من إنفيديا نظام GPIR، الذي يسرّع الاسترجاع الخاص للمعلومات (PIR) على وحدات معالجة الرسومات من خلال معالجة الحساب العالي على جانب الخادم وحركة مرور الذاكرة الكامنة في البروتوكولات القائمة على الشبكات. يستخدم النظام نموذج تنفيذ هجينًا يدرك المراحل، حيث يبدل ديناميكيًا بين kernels على مستوى العملية وعلى مستوى المرحلة لتعظيم إعادة استخدام البيانات داخل الشريحة.
تقدم دراسة جديدة توصيفًا موحدًا على مستوى النظام للحوسبة الآمنة متعددة الأطراف (MPC) والتشفير المتجانس الكامل (FHE) لاستدلال تعلم الآلة الذي يحافظ على الخصوصية. تقيم العمل متغيرين لـ MPC — تحويل المشاركة الحسابية/الثنائية ومشاركة الدوال السرية — جنبًا إلى جنب مع FHE عبر نماذج CNN و Transformer متعددة.
توضح ورقة موقف من باحثي إنفيديا رؤية لتأمين وكلاء الذكاء الاصطناعي ضد هجمات الحقن غير المباشر للبرومبت، حيث تؤدي التعليمات الخبيثة المضمنة في بيانات غير موثوقة إلى إجراءات خطيرة. يجادل المؤلفون بأن الدفاع الفعال يتطلب الانتقال من إصلاحات النماذج المعزولة إلى بنية نظام شاملة.
قام الباحثون بتعميم هجمات الحرمان من الخدمة أثناء الاستدلال (PI-DoS) التي تستغل التكلفة الحسابية العالية للاستدلال الصريح متعدد الخطوات في نماذج الاستدلال الكبيرة (LRMs). يقدمون ReasoningBomb، وهو إطار عمل يعتمد على التعلم المعزز لتدريب مهاجم على توليد مطالبات طبيعية قصيرة تدفع النماذج الضحية إلى مسارات استدلال طويلة مرضياً وغالباً ما لا تنتهي.
قدم الباحثون ReasAlign، وهو حل على مستوى النموذج مصمم لتحسين محاذاة السلامة في نماذج اللغات الكبيرة (LLLMs) ضد هجمات حقن الأوامر غير المباشرة. يدمج النهج خطوات استدلال منظمة لتحليل استفسارات المستخدم واكتشاف التعليمات المتضاربة، مما يضمن استمرارية المهام المقصودة من قبل المستخدم.