Το Pikimov είναι ένας νέος διαδικτυακός σχεδιαστής κίνησης και επεξεργαστής βίντεο, εμπνευσμένος από το Photopea, και λειτουργεί ως δωρεάν εναλλακτική λύση στο After Effects.
Δεν απαιτεί εγγραφή, διατηρεί τα αρχεία στον υπολογιστή του χρήστη και διασφαλίζει ότι τα έργα δεν χρησιμοποιούνται για εκπαίδευση AI.
Ο δημιουργός έχει ιστορικό ανάπτυξης λογισμικού VJ για πλατφόρμες όπως το Game Boy Advance, το Playstation 2 και το Raspberry Pi.
Το Pikimov είναι ένας νέος, δωρεάν, διαδικτυακός σχεδιαστής κίνησης και επεξεργαστής βίντεο που δημιουργήθηκε ως εναλλακτική λύση στο Adobe After Effects, χωρίς να απαιτείται εγγραφή ή μεταφορτώσεις στο cloud.
Το εργαλείο έχει λάβει θετικά σχόλια για την πιθανότητά του να αμφισβητήσει την κυριαρχία της Adobe, με τους χρήστες να προτείνουν βελτιώσεις στα όρια του ρυθμού καρέ, την αναφορά σφαλμάτων και τη διαχείριση των βασικών καρέ.
Προς το παρόν, το Pikimov υποστηρίζει μόνο το Chrome και το Edge λόγω συγκεκριμένων web APIs, με μελλοντικά σχέδια να προσθέσει λειτουργίες κοινότητας και πιθανώς να εμπορευματοποιήσει την εφαρμογή.
Μια κρίσιμη ευπάθεια (CVE-2024-6387) στον διακομιστή του OpenSSH σε συστήματα Linux που βασίζονται στο glibc επιτρέπει την απομακρυσμένη εκτέλεση κώδικα (RCE) λόγω μιας συνθήκης αγώνα στον διαχειριστή σημάτων.
Το ζήτημα, μια επανεμφάνιση του CVE-2006-5051, επηρεάζει τις εκδόσεις OpenSSH 3.4p1, 4.2p1 και 9.2p1, και περιλαμβάνει την εκμετάλλευση του χειριστή SIGALRM για να προκαλέσει διαφθορά της μνήμης heap και να εκτελέσει αυθαίρετο κώδικα.
Η μετρίαση περιλαμβάνει την εφαρμογή επιδιορθώσεων που μετακινούν τον ασύγχρονα-σήμα-μη-ασφαλή κώδικα έξω από τον χειριστή SIGALRM ή τον ορισμό του LoginGraceTime σε 0, αν και το τελευταίο μπορεί να προκαλέσει άρνηση υπηρεσίας.
Μια ευπάθεια Απομακρυσμένης Εκτέλεσης Κώδικα (RCE) ανακαλύφθηκε στον διακομιστή του OpenSSH σε συστήματα Linux που βασίζονται στο glibc, επιτρέποντας ενδεχομένως στους επιτιθέμενους να αποκτήσουν απομακρυσμένη πρόσβαση root.
Η διόρθωση για αυτήν την ευπάθεια υλοποιήθηκε μετακινώντας τον μη ασφαλή κώδικα από τον χειριστή σημάτων στη διαδικασία ακρόασης, καθιστώντας δύσκολη την αναδρομική εφαρμογή.
Το ζήτημα επηρεάζει κυρίως τα συστήματα 32-bit, με την εκμετάλλευση σε συστήματα 64-bit να θεωρείται δυνατή αλλά να μην έχει ακόμη αποδειχθεί· διάφορες διανομές έχουν ήδη κυκλοφορήσει ενημερώσεις.
Το Pipes είναι ένας οπτικός επεξεργαστής προγραμματισμού για ροές, επιτρέποντας στους χρήστες να ανακτούν, να δημιουργούν και να χειρίζονται ροές χρησιμοποιώντας μπλοκ, παρόμοια με το Yahoo! Pipes.
Υποστηρίζει διάφορες μορφές εισόδου, συμπεριλαμβανομένων των RSS, Atom, JSON, HTML και αρχείων κειμένου, και προσφέρει μια σειρά από μπλοκ για διαφορετικές λειτουργίες ροής όπως φιλτράρισμα, συγχώνευση και εξαγωγή περιεχομένου.
Το Pipes CE είναι ένα δωρεάν και ανοιχτού κώδικα λογισμικό (FOSS) υπό την άδεια AGPL, διαθέσιμο στο Github, και υποστηρίζει ενσωματώσεις με δημοφιλείς ιστότοπους όπως το Twitter, το YouTube και το Vimeo.
Το Pipes, ένα έργο εμπνευσμένο από το Yahoo Pipes, πρόσφατα υποβλήθηκε σε ενημερώσεις για τη βελτίωση της σταθερότητας, συμπεριλαμβανομένης της μετάβασης από κείμενο σε αντικείμενα RSS για τη μεταφορά δεδομένων μεταξύ των μπλοκ.
Αναβαθμίσεις διακομιστή και αναδιαμόρφωση των νημάτων και των εργατών puma εφαρμόστηκαν για την αντιμετώπιση προβλημάτων και σημείων συμφόρησης.
Μια πρόταση χρήστη για την προσθήκη ενός μπλοκ για περιλήψεις ή εικόνες που δημιουργούνται από AI μέσω αιτημάτων POST εξετάζεται, με ορισμένα θεμελιώδη μπλοκ να είναι ήδη σε θέση.
Η ανάρτηση συζητά τις μετρικές αξιολόγησης για την εκτίμηση της απόδοσης των προσαρμοσμένων γλωσσικών μοντέλων (LLMs) στην εξαγωγή δομημένων δεδομένων από δελτία τύπου, με έμφαση στην ακρίβεια.
Τα προσαρμοσμένα μοντέλα, συμπεριλαμβανομένων των TinyLlama, Mistral και Solar LLM, γενικά υπερείχαν σε ακρίβεια σε σχέση με τα GPT-4 και GPT-4 Turbo της OpenAI, παρά την πολυπλοκότητα και τον αργό ρυθμό των αξιολογήσεων.
Οι αξιολογήσεις υπογράμμισαν την ανάγκη για ένα καλύτερο σύστημα διαχείρισης της πολυπλοκότητας και της συντήρησης, με τα μελλοντικά βήματα να περιλαμβάνουν δοκιμές που δεν σχετίζονται με την ακρίβεια και την εξερεύνηση της εξυπηρέτησης μοντέλων.
Τα προσαρμοσμένα μοντέλα μπορούν να υπερέχουν των γενικών μοντέλων όπως το GPT-4 της OpenAI σε συγκεκριμένες εργασίες, όπως η εξαγωγή δεδομένων, η δημιουργική περίληψη, η απάντηση σε ερωτήσεις και η ταξινόμηση.
Η επιτυχία των προσαρμοσμένων μοντέλων εξαρτάται από δεδομένα εκπαίδευσης υψηλής ποιότητας, καθιστώντας τα αποτελεσματικά για εξειδικευμένη εξαγωγή πληροφοριών και προσιτά στους λάτρεις της τεχνολογίας.
Η λεπτομερής ρύθμιση μικρότερων μοντέλων, όπως το Llama 3 8B, μπορεί να είναι πιο αποδοτική και οικονομικά συμφέρουσα, αλλά η χρήση των απαντήσεων του μοντέλου για την εκπαίδευση νέων μοντέλων μπορεί να παραβιάζει τους όρους υπηρεσίας των μεγάλων παρόχων LLM.