登录
主页
 文章
当亚马逊CloudFront在2025年9月宣布为所有TLS连接默认启用后量子加密支持时,这一举措标志着抗量子密码学从学术研究正式迈入大规模实用部署阶段。与此同时,密码学家们发出警告:一台拥有不到一百万噪声量子比特的计算机,可能在一周内破解目前广泛使用的RSA-2048加密。这种现实与未来的交织,凸显了量子-resistant密码学研究的紧迫性与重要性。本文将系统阐述量子计算带来的 cryptographic威胁、抗量子密码学的核心研究方向、标准化进程的最新进展以及产业落地的实践挑战,为理解这一跨时代的安全变革提供全面视角。
659
6
7
一、同态加密同态加密(Homomorphic Encryption, HE)是一类特殊的加密技术,其核心特性在于对密文直接进行计算后,解密结果与对明文进行相同计算的结果完全一致。这一特性打破了 “加密数据无法计算” 的传统限制,为云计算、隐私计算、联邦学习等场景提供了关键安全支撑 —— 用户可将敏感数据加密后交由第三方(如云端服务器)处理,无需暴露明文,从根本上解决数据 “可用不可见” 的核心需求。
1168
2
3
在大语言模型(LLM)的技术架构中,Transformer 是支撑其理解与生成语言的核心框架,而多头注意力(Multi-Head Attention)作为 Transformer 的 “感知中枢”,直接决定了模型捕捉文本中复杂依赖关系的能力。相较于传统单头注意力,多头注意力通过并行化的 “视角拆分”,让 LLM 能更全面地理解语言的语义、语法与逻辑关联,成为 LLM 实现长文本理解、多语义推理的关键技术。
788
4
0
注意力机制是大语言模型的核心组件之一,其本质是模拟人类“选择性关注信息”的能力——在处理文本时,模型会动态分配权重,对“更重要的词/片段”投入更多注意力,对“无关或次要信息”减少关注。这种机制直接解决了传统序列模型(如RNN)难以捕捉长距离依赖、无法并行计算的痛点,是Transformer架构(LLM的主流基础)的灵魂。
835
7
1
在大语言模型(LLM)的知识体系中,Token 和 模型参数 是两大核心基础概念,同时还需结合输入处理、训练逻辑、核心机制等维度,形成完整的概念框架。一、核心数据处理单元:Token(词元)Token 是大语言模型处理文本的最小基本单位,是连接“原始文本”与“模型可理解数据”的桥梁,并非传统意义上的“字”或“词”。
862
1
6
Google FHE由谷歌推出,基于全同态加密理论,提供易于使用的API和工具集。其采用最新技术优化,包括快速电路评估、高效噪声管理和优化的密钥管理,以提高性能并降低使用难度,适用于云数据处理、医疗健康、金融行业、智能合约等场景。全同态加密由格雷戈里·维纳尔斯在2009年提出,谷歌的FHE库基于这一理论,提供了易于使用的API和工具集,使得开发者无需深入理解复杂的加密算法,就能利用FHE技术进行开发。该库采用了快速电路评估、高效的噪声管理和优化的密钥管理等最新技术优化,以提高性能并降低使用难度。
839
3
2
在人工智能浪潮席卷全球的今天,大模型正以前所未有的方式改变我们与机器的交互。当我们与ChatGPT等工具对话时,一个看不见却至关重要的计量单位正在幕后忙碌地工作——它就是Token。理解Token,是理解现代AI工作原理、成本构成与未来发展的钥匙。一、什么是Token?数字世界的“原子”
1148
5
0
DeepSpeed 是由 微软 (Microsoft) 开发的开源深度学习优化框架,基于 PyTorch 生态构建,核心定位是解决超大规模模型(如千亿/万亿参数大语言模型、视觉大模型)训练与推理中的效率、显存、成本瓶颈,让开发者能在有限硬件资源下实现更大模型的训练,或在相同模型规模下提升训练/推理速度、降低资源消耗。
909
2
6
Jamba是由AI21 Labs开发的混合架构大型语言模型(LLM),结合了Transformer的语义理解能力和Mamba结构化状态空间模型(SSM)的高效性,旨在解决长文本处理中的计算瓶颈。项目地址:https://huggingface.co/ai21labs/jamba-v0.1一、技术特点1.混合架构设计 Jamba采用Transformer-Mamba混合架构,通过交替堆叠Transformer层和Mamba层,平衡了语义建模能力与长序列处理效率。Mamba层通过线性时间复杂度的状态空间变换处理长上下文(如256K tokens),而Transformer层保留了自注意力机制的全局依赖建模优势。这种设计使Jamba在处理长文档(如法律合同、科学论文)时,吞吐量比纯Transformer模型提升3倍,同时保持竞争力的生成质量。
725
3
0
Cortex AI是一款开源本地LLM推理引擎,核心定位是“降低大模型部署门槛”,通过整合多类推理框架、兼容主流API标准,让开发者在本地设备(CPU/GPU)或边缘环境中快速运行大语言模型(包括DBRX、Mixtral等MoE架构模型),无需依赖复杂的集群资源。https://github.com/janhq/cortex一、核心定位
520
0
0
DBRX是由Databricks开发的开源混合专家(MoE)大语言模型,其核心设计目标是在保持高性能的同时大幅降低计算成本。项目地址:https://github.com/databricks/dbrx一、模型介绍1.架构与性能参数规模:总参数1320亿,采用16个专家模块,推理时动态激活4个专家(约360亿参数),实现「大模型能力,小模型成本」。
590
5
3
UltraRAG 是由清华大学 THUNLP 实验室、东北大学 NEUIR 实验室、OpenBMB 与 AI9Stars 联合开发的开源检索增强生成(RAG)框架,专注于低代码构建复杂推理系统,尤其适合科研实验与行业落地场景。UltraRAG 的技术架构以 “低代码、高扩展、双场景适配(科研+行业)” 为核心设计理念,通过分层解耦、标准化协议和模块化组件,实现 RAG(检索增强生成)全流程的灵活编排与高效落地。其架构可拆解为 “1个核心协议 + 4层技术栈 + 3大关键模块”。
895
6
5
CrewAI是一款专为构建多智能体协作系统设计的开源框架,核心目标是通过模拟人类团队的分工协作模式,让多个 AI 智能体(Agent)以角色化、流程化的方式完成复杂任务。CrewAI 的出现重新定义了 AI 开发者的工作方式——从编写代码转向编排智能体团队。无论是构建企业级自动化系统,还是探索前沿的多智能体协作研究,CrewAI 都提供了强大且灵活的技术底座。
1023
2
1
JeecgBoot 是一款基于 Spring Boot + Vue 技术栈的开源企业级快速开发平台,旨在通过「低代码+代码生成」模式降低企业级应用的开发成本,提升开发效率。其核心定位是“开箱即用的中后台解决方案”,覆盖权限管理、表单报表、工作流、代码生成等核心业务场景,广泛应用于企业OA、CRM、ERP、政务系统等中后台领域。
913
3
0
NocoBase 是由中国团队自主研发的开源无代码/低代码开发平台,专注于为开发者提供可完全掌控的数字化基础设施。项目始于2018年技术预研,2021年3月正式开源,2024年5月发布首个稳定版本 1.0-alpha,并同步启动商业化进程。其设计理念为 80% 无代码实现 + 20% 扩展开发,通过微内核架构和插件化设计,在快速搭建业务系统的同时保留深度定制能力,尤其适合企业数字化转型和复杂场景开发。
1198
4
0
Uniswap Labs 是去中心化金融(DeFi)领域的核心技术公司,由工程师 Hayden Adams 于 2018 年创立,总部位于纽约市。其核心产品 Uniswap 协议 是以太坊上首个基于自动做市商(AMM)机制的去中心化交易所(DEX),彻底改变了加密资产的交易方式。截至 2025 年,Uniswap 协议累计交易量已超过 2.75 万亿美元,支持跨 12 条区块链网络的资产交易,覆盖数千万用户。
1143
9
2
Agoric通过对象能力模型提升安全性,被用于去中心化金融(DeFi)衍生品开发。通过简化开发流程和增强安全性,推动去中心化应用(DApps)的大规模落地。Agoric成立于2018年,由斯坦福大学校友Mark Miller(首席科学家)和Dean Tribble(CEO)联合创立,核心团队包括早期密码朋克和分布式系统专家。作为Cosmos生态的Layer1 PoS公链,Agoric通过JavaScript语言、跨链互操作性和模块化设计,为开发者提供了安全、高效的Web3开发环境。其愿景是构建一个多链经济的协调层,支持跨链资产交互和复杂金融逻辑的自动化执行。
674
4
9
Ocean Protocol 是一个基于区块链的去中心化数据交换协议,旨在通过安全、透明的方式连接数据提供者与消费者,实现数据资产的自由流通与价值释放。其核心目标是构建一个无需中心化中介的「数据经济」,让数据所有者能够直接控制并货币化自己的数据,同时为开发者和企业提供开放的 AI 训练、研究及分析资源。
1109
3
3
生成式 BI 工具支持自然语言查询数据库,自动生成 SQL 与可视化图表,被金融分析师和数据科学家广泛采用。WrenAI是由Canner团队开发的开源生成式BI(GenBI)智能体,致力于通过自然语言交互实现数据库查询、可视化生成和洞察报告的全流程自动化。其核心设计理念是语义层驱动的精准查询,通过预定义数据模型、业务指标和表关系,构建LLM可理解的“数据库说明书”,解决传统Text-to-SQL工具因缺乏上下文导致的高错误率问题。
684
0
3
不确定性知识图谱推理库(unKR)是首个专注于处理不确定性知识图谱(UKG)的开源工具,通过表示学习技术实现高效推理。支持四元组(h,r,t,s)的置信度预测。 项目地址:https://github.com/seucoin/unKR一、技术原理unKR的核心在于将实体与关系嵌入至低维向量空间,同时保留不确定性信息。
772
9
9
- -
© 2021 - 现在 杭州极深数据有限公司 版权所有 (深数据® DEEPDATA® 极深®) 联系我们 
浙公网安备 33018302001059号  浙ICP备18026513号-1号