最新

嗨，HN！<p>我创建了Lockbridge，因为在2025年，安全文件共享和加密工作流程仍然过于复杂。<p>Lockbridge专注于简化端到端加密传输，使其简单、可审计且与云服务无关。<p>核心功能： 桥接：可分享的加密上传/下载链接，具有自动过期功能。 云联邦：统一的仪表板，支持S3、Azure、GCP、Google Drive、Dropbox及其他兼容S3的解决方案。 区块链审计日志（可选）：基于Polygon的不可更改日志，用于HIPAA/SOX合规。 零知识加密：真正的客户端端到端加密——我们无法访问或解密您的文件。<p>示例用例： 创建一个桥接，将链接发送给客户，他们可以安全地将文件直接上传到您的Google Drive、S3或Dropbox。桥接会自动过期（例如，24小时或1周）。对于受监管行业，每次传输可以选择记录到Polygon，以便生成不可更改的合规记录。<p>我们目前处于测试阶段，非常希望能收到关于以下方面的反馈：<p>桥接用户体验——是否直观？ 多云集成体验。 区块链审计日志在受监管行业之外是否具有实际价值。<p><a href="http://lockbridge.com" rel="nofollow">http://lockbridge.com</a><p>感谢您提供任何想法、问题或您认为我们应该考虑的边缘案例。

我很好奇，训练人工智能模型的成本（计算、能源、数据等）是如何随时间变化的。<p>有没有公开的资源或数据集跟踪开放权重模型的训练成本（我猜对于封闭模型来说，这些数据很难获取，但如果我错了，我很乐意接受纠正。）<p>我特别想了解哪些架构变化（例如，注意力变体、参数共享、专家混合）导致了主要的成本优化，而不仅仅是来自这些模型背后的公司，而是来自任何训练或复制过这些模型的人。