• Рекомендации для изучения промтинга LLM

    AI-инструменты
    2
    0 Голоса
    2 Сообщения
    20 Просмотры
    MasterGHM
    Мультимодальные LLM: когда ИИ видит, слышит и понимает контекст Что это? Модели, способные одновременно обрабатывать текст, изображения, аудио и видео. Это не просто "распознавание картинок", а глубокое понимание связей между разными типами данных. Пример работы: Загружаете фото схемы электронной платы + текстовый запрос: "Найди ошибку в разводке конденсатора C7 и предложи исправление в формате KiCad". Модель: 1️⃣ Анализирует изображение, 2️⃣ Сопоставляет с текстовым контекстом, 3️⃣ Генерирует инструкцию с исправлением. --- Ключевые возможности и применение Тип данных Что умеет модель Практическое применение Текст + Изображение Описание сцен, анализ графиков, чтение рукописных заметок Автоматизация документооборота, генерация ALT-текста, поиск дефектов на чертежах Текст + Аудио Транскрибация с контекстным анализом, генерация эмоциональной речи Виртуальные ассистенты с "характером", анализ колл-центров, озвучка презентаций Видео + Текст Понимание сюжета, поиск ключевых моментов, аннотирование Автосуммаризация записей встреч, модерация контента, создание монтажных листов --- ️ Как работать с мультимодальностью? Выбор инструментов: OpenAI GPT-4o (vision + text + voice) — через API или ChatGPT. Google Gemini 1.5 — поддерживает до 1 млн токенов контекста (включая видео!). Open-source: LLaVA, Fuyu-8B (можно запустить локально с GPU). Специфика промтов: Четко указывайте тип данных: "Проанализируй скриншот ошибки (вложение 1) и лог-файл (вложение 2). Предложи 3 решения." Управляйте фокусом: "Сравни графики продаж за 2023 и 2024 (PDF-страница 5). Сосредоточься на падении в Q3." Используйте ролевые модели: "Ты инженер-электронщик. По фото прототипа определи, где перегревается компонент." Технические требования: Для локальных моделей: GPU с 8+ GB VRAM (например, LLaVA-1.6 требует NVIDIA RTX 3090). В облаке: API с поддержкой multipart/form-data (для загрузки бинарных файлов). --- Зачем это технарю? - Автоматизация сложных задач: Запрос: "По видео сборки робота составь checklist для тестирования (вывод в Markdown)". Результат: Готовый чеклист с привязкой к временным меткам. - Работа с документацией: Анализ сканов ТУ, схем, диаграмм без ручного ввода данных. - Быстрый прототипинг: "Сгенерируй UI для приложения по этому наброску на салфетке (фото) + описание функционала (текст)". --- ️ Ограничения (на 2025 год): - Точность распознавания: Может ошибаться в деталях (например, номера микросхем на фото). - Контекстное окно: Видео длительностью >10 мин часто требуют препроцессинга. - Стоимость: Мультимодальные API в 3-5x дороже текстовых (например, GPT-4o vision — $5-15 за 1к запросов). --- Как начать? Поэкспериментируйте в Google Gemini (бесплатно) с загрузкой PDF/изображений. Для кода: Llama 3 с LLaVA (туториал). Протестируйте API через OpenRouter (поддержка >30 мультимодальных моделей). Главный принцип: Мультимодальность — не замена текстовым LLM, а мощное расширение для задач, где контекст требует визуала или звука.
  • Изобретение модели Трансформер (как это было кратко, и кто изобрел)

    AI-инструменты
    3
    0 Голоса
    3 Сообщения
    103 Просмотры
    MasterGHM
    Премии, связанные с Transformer и глубоким обучением 1. Премия Тьюринга (Turing Award) — «Нобелевка» в Computer Science - За что дают? За выдающийся вклад в области информатики. - Кто получил за Transformer и deep learning? В 2023 году премию получили: Йошуа Бенджио (Yoshua Bengio) Джеффри Хинтон (Geoffrey Hinton) Ян Лекун (Yann LeCun) (Но не авторы Transformer! Они получили её за более ранние работы по нейросетям.) Однако авторы Transformer (Васуани, Шейзер и др.) тоже могут её получить в будущем — их работа считается революционной. 2. ACL Test of Time Award (премия за долгосрочное влияние) - За что дают? Награждают статьи, которые сильно повлияли на NLP через 10+ лет после публикации. - Кто получил? Пока "Attention Is All You Need" (2017) ещё не получила (ей всего 7 лет), но, скорее всего, получит в 2027–2030 годах. 3. NeurIPS Best Paper (премия за лучшую статью на конференции NeurIPS) - За что дают? За самые значимые исследования в machine learning. - Получал ли Transformer? Нет, статья вышла в arXiv (2017), а не на NeurIPS. Но если бы подавали — точно бы выиграла. --- Почему авторы Transformer ещё не получили Тьюринга? Премию Тьюринга дают с задержкой (обычно через 10–20 лет после открытия). В 2023 наградили "отцов deep learning" (Хинтона и др.) — их работы 1980–2000-х сделали возможным появление Transformer. Transformer ещё "слишком молод" (2017), но его авторы — главные кандидаты на премию в 2030-х. --- Какие ещё награды получили авторы Transformer? - Google Research Awards (внутренние премии). - Упоминания в топ-конференциях (ICML, ACL, NeurIPS) как одна из самых влиятельных работ. - Цитирования (более 80 000+ ссылок на статью — это гигантский показатель). --- Вывод - Пока авторы Transformer не получили Тьюринга, но их работа изменила всю NLP-индустрию. - Скорее всего, их наградят в будущем — как Бенджио, Хинтона и ЛеКуна. - Сейчас они получают признание через цитирования и внедрение их идей в ChatGPT, Gemini и другие ИИ. Transformer — это как изобретение транзистора для ИИ: пока не всегда награждают, но без него ничего не работает.
  • Structure hunter (beta)

    Прикреплена Плагин-строй
    16
    0 Голоса
    16 Сообщения
    3k Просмотры
    MasterGHM
    Вот детальный анализ недочетов текущего подхода, направления для улучшений и инновационные способы интеграции ИИ: --- 1. Что не учли в текущей реализации 1.1 Динамическое изменение структур - Проблема: Игры с procedural generation (например, Starfield) могут менять расположение полей во время выполнения. - Решение: Добавить мониторинг паттернов доступа: function TrackStructureChanges(baseAddr) while true do local newLayout = AnalyzeStructure(baseAddr) CompareLayouts(lastLayout, newLayout) -- Алерт при изменениях sleep(1000) end end 1.2 Мультиплатформенная поддержка - Упущение: Нет оптимизации под ARM (Android/iOS) и консоли (PS5/Xbox). - Исправление: Добавить детектор ABI: function GetPlatformType() if readMemory(0x10000, 4) == 0x7F454C46 then return "ELF" -- Android/Linux elseif readString(0, 4) == "XBOX" then return "XBOX" end end 1.3 Обработка сетевых структур - Пробел: Не анализируются пакеты сетевого протокола, хотя они часто дублируют игровые структуры. - Доработка: Интеграция сниффера пакетов: function HookNetworkPackets() -- Фильтрация пакетов, содержащих координаты игроков PacketSniffer.filter("PlayerPosition", "xx xx ?? ?? xx FF") end --- 2. Ключевые направления для улучшений 2.1 Гибридный статико-динамический анализ - Идея: Комбинировать результаты CE с Ghidra: graph LR CE[Динамический анализ в CE] -->|Экспорт| Ghidra Ghidra[Статический анализ] -->|Импорт паттернов| CE 2.2 Система предсказания смещений - Метод: Использовать статистику обращений для предсказания важных полей: function PredictImportantOffsets() local stats = CollectAccessStats() return { health = stats.mostAccessed[1].offset, ammo = stats.mostWritten[3].offset } end 2.3 Визуализация в 3D - Инновация: Отображение структур как графа в 3D-пространстве (используя Cheat Engine's OpenGL): function Draw3DStructureGraph() for addr, links in pairs(graph) do RenderNode(addr, links, GetStructureColor(addr)) end end --- 3. Интеграция ИИ: конкретные применения 3.1 Классификация типов данных через ML - Подход: Нейросеть анализирует паттерны памяти: # Образец модели PyTorch class TypeClassifier(nn.Module): def forward(self, x): # x: [значения памяти, контекст инструкций] return torch.softmax(self.layers(x), dim=1) # Вероятности типов - Использование в Lua: function AIDetectType(address) local tensor = MemoryToTensor(address, 64) local result = ExecutePyScript("model.predict", tensor) return {"float", "int", "pointer"}[result] end 3.2 Генерация эксплойтов через ИИ - Пример: Автоматический поиск уязвимостей: function FindVulnerabilities() local patterns = AI_GenerateCrashPatterns() for _, pattern in ipairs(patterns) do if TryCorruptMemory(pattern) then LogExploit(pattern) end end end 3.3 NLP для анализа игрового кода - Применение: Автоматическое комментирование структур: function GenerateComments() local code = Disassemble(0x123456, 50) local comment = AI_AnalyzeCode(code) SetComment(0x123456, comment) -- Например: "Рендеринг частиц, цикл из 12 итераций" end --- 4. Практические примеры улучшений 4.1 Для читеров - Авто-определение уязвимостей: -- ИИ ищет паттерны для телепортации local teleportCheat = AI_FindMemoryPattern({ "float x,y,z", "write frequency > 1Hz", "range -1000..1000" }) 4.2 Для моддеров - Генерация SDK для модов: GenerateModSDK({ structures = analyzed_graph, hooks = FindCodeHooks(), api = AI_GenerateAPI() }) 4.3 Для разработчиков - Детектор багов: -- ИИ находит некорректные указатели local bugReports = AI_ScanFor( "dangling pointers", memory_ranges, expected_patterns ) --- 5. Что еще можно улучшить? 5.1 Оптимизация Проблема Решение Медленный поиск Кэширование + параллельные потоки Ложные срабатывания Ансамбли ИИ-моделей 5.2 Безопасность function AntiAntiCheat() -- Маскировка брейкпоинтов под легитимные вызовы HideDebugger({ stealth_mode = "SYSTEM_CALL", fake_patterns = GetNormalTrafficSamples() }) end 5.3 Пользовательский опыт \-- Голосовое управление читами RegisterVoiceCommand("дай бессмертие", function() SetGodMode(true) end) --- Итог: дорожная карта улучшений Срочные доработки (1-2 недели): Динамический трекинг структур ARM/консольная поддержка Среднесрочные (1-3 месяца): Интеграция ИИ для классификации 3D-визуализация Долгосрочные (6+ месяцев): Полный AI-ассистент для реверса Генерация читов через NLP Пример коммита для начала работ: \+ function AI_Integration() { \+ // Добавляем вызов Python ML-модели \+ local result = ExecutePython("predict_type.py", memoryDump) \+ } Готов реализовать любое из этих улучшений в вашем форке. Какое направление наиболее приоритетно?
  • Deep Seek

    AI-инструменты
    1
    1
    0 Голоса
    1 Сообщения
    137 Просмотры
    Нет ответов
  • Документация

    Прикреплена Cheat Engine
    1
    0 Голоса
    1 Сообщения
    125 Просмотры
    Нет ответов
  • CE 7.5 (или 7.6)

    Cheat Engine
    1
    1
    0 Голоса
    1 Сообщения
    182 Просмотры
    Нет ответов
  • Мой отзыв об Obsidian

    Obsidian
    2
    0 Голоса
    2 Сообщения
    185 Просмотры
    MasterGHM
    После использования Obsidian более месяца понял, что пока не нашел лучше программы для ведения базы знаний. При чем чем больше пользуешься тем вероятнее изменить стратегию ведения базы. Например, я отказался от множества vault в пользу трех: для работы на рабочем ПК, на смартфоне и на ноутбуке. Пока они все составляются не зная друг про друга. Большое их кол-во неудобная штука, т.к. переключаться между ними долго, искать в каждом отдельном так себе... Граф поможет искать все связи и ссылки. Возможно, что-то еще напишу по Obsidian. Думаю, что я изучил по Obsidian все, что мне нужно и по его основным плагинам, кроме написания сами плагинов (пока не потребовалось)
  • О программе Obsidian

    Прикреплена Obsidian
    1
    2
    0 Голоса
    1 Сообщения
    120 Просмотры
    Нет ответов
  • Изменена структура разделов

    Новости
    1
    0 Голоса
    1 Сообщения
    128 Просмотры
    Нет ответов
  • Опрос по Obsidian

    Перенесена Obsidian
    2
    0 Голоса
    2 Сообщения
    161 Просмотры
    MasterGHM
    Привет. Эта тема опрос по Obsidian и альтернатив этой программы. Obsidian работает на множестве операционных систем для ведения огромного количества заметок, конспектов и прочего. Если не пробовали, то предлагаю попробовать, особенно, если заметок много и они разбросаны по разными местам. Также можно обсудить еще плагины и способы ведения заметок.
  • Избирательное выполнение кода Lua в автоассемблере

    Не решенные Вопросы, комментарии и обратная связь
    1
    0 Голоса
    1 Сообщения
    114 Просмотры
    Нет ответов
  • О разделе

    Прикреплена Unity3D
    1
    0 Голоса
    1 Сообщения
    2k Просмотры
    Нет ответов
  • Easing functions в Unity & DoTween

    Unity3D
    1
    3
    0 Голоса
    1 Сообщения
    225 Просмотры
    Нет ответов
  • Создан новый раздел по Unity3D

    Новости
    1
    0 Голоса
    1 Сообщения
    128 Просмотры
    Нет ответов
  • Форум обновлен до 3.8.1

    Новости
    1
    0 Голоса
    1 Сообщения
    232 Просмотры
    Нет ответов
  • сделать скрол на функции Direc3D при генерации таблици

    Не решенные Вопросы, комментарии и обратная связь
    2
    0 Голоса
    2 Сообщения
    122 Просмотры
    MasterGHM
    Врядли, там есть готовый компонет ingame 3d -скролл. Надо делать свой. Лучше написать на форум CE. Ты никогда не делал свой скролл на каком-нибудь, некотором языке программирования? Например, бесконечный скролл? Принцип один и тот же,только реализация отличается.
  • Исходники MS-DOS

    MasterGH
    1
    0 Голоса
    1 Сообщения
    141 Просмотры
    Нет ответов
  • Visual Studio. Топ 10 часто используемых горячих клавиш

    Программирование vs hotkey
    1
    0 Голоса
    1 Сообщения
    1k Просмотры
    Нет ответов
  • Подписка на новости форума (Опрос)

    Вопросы, комментарии и обратная связь
    4
    0 Голоса
    4 Сообщения
    356 Просмотры
    PitronicP
    Ну можно и так.
  • Обновление форума

    Новости
    2
    0 Голоса
    2 Сообщения
    2k Просмотры
    MasterGHM
    Форум обновлен до версии 3.5.2 с версии 3.2 Если будут ошибки, то можно сообщить мне в личку или в этой теме