最新

你好！我是安东尼，Bank Rank的创始人之一。我们正在构建一个完全自动化的银行账户，持续优化您的收益，以确保获得最佳利率。 在后台，我们的系统跟踪美国各大银行和信用合作社的数千种存款产品，并在您存款或取款时，或根据产品变化自动重新分配您的资金。无论您的资金在哪里，您都可以通过一个Bank Rank应用程序完全访问。 我们将在2026年第一季度推出我们的高级全托管账户的Alpha测试，现已开放注册。您可以通过发送电子邮件至bankrank.alpha@gmail.com或在此表单上提交您的电子邮件来加入：https://bankrank.io/waitlist。 此外，我们还将在11月底推出产品的免费版本，供希望自行管理财务的用户使用。这将是一个可安装的跨平台工具，让您可以运行查询，并在符合您标准的产品发生变化时收到主动通知——无需登录或账户。如果您希望在发布时收到通知，请给我们发电子邮件。 与此同时，我将在接下来的几个小时内在线回答问题或讨论建议。您也可以在bankrank.io试用演示，或随时通过bankrank.alpha@gmail.com与我们联系。

大家好， 在过去的几个月里，我一直在开发一个网站，主要有两个功能： - [https://book.sv](https://book.sv) - 输入一本书的列表，并从一个基于超过十亿条评论训练的模型中获取下一本书的推荐。 - [https://book.sv/intersect](https://book.sv/intersect) - 输入一本书的列表，找到在Goodreads上阅读过这些书的用户（如果您不想出现在这些结果中，可以在这里选择退出：[https://book.sv/remove-my-data](https://book.sv/remove-my-data)）。 技术信息可在此处查看：[https://book.sv/how-it-works](https://book.sv/how-it-works)。 注意事项1：如果您只提供一两本书，模型可用的信息有限，可能会在结果中包含一些不太相关的热门书籍。如果您想要基于某一本书的推荐，请在推荐页面将其添加到输入书单后，点击该书旁边的“相似”按钮。 注意事项2：这种情况不常见，但如果您在结果中看到一本意外的非英语书名，可能并不是错误，它很可能有英文版。我用于显示的书籍“标准”版本是最受欢迎的版本，通常是英文版，但并非所有书籍都是如此，尤其是那些著名的法国或俄罗斯作者的作品。

这是一个Mac桌面应用程序，允许您在故事板上进行迭代，生成Sora视频，并对其进行编辑（拼接、修剪、过渡），以制作一部长的AI生成视频。<p>该应用程序采用MIT许可证，并支持自带密钥（BYOK）。<p>我们发现了一些有趣的Sora使用案例，这些案例并不是在Sora应用程序上制作的无脑搞笑视频，例如： - 将博客文章转换为视频<p>- 制作发布视频<p>- 制作教育视频<p>- （目前正在实验）营销广告<p>但我们不想为最高计划支付200美元，因此我们构建了这个应用程序，以利用我们现有的API积分。通过这个应用程序，您可以访问：<p>1. 带有AI聊天的故事板 2. 无水印视频 3. sora-2-pro 4. 使用ffmpeg进行基本编辑<p>非常希望听到您的反馈。希望您也觉得它有用且有趣！<p>下载链接（适用于Apple Silicon）：<a href="https://github.com/palmier-io/sixsevenstudio/releases/download/v0.1.5/sixsevenstudio_0.1.5_aarch64.dmg" rel="nofollow">https://github.com/palmier-io/sixsevenstudio/releases/download/v0.1.5/sixsevenstudio_0.1.5_aarch64.dmg</a>

在谷歌的人工智能和本地的几个gpt-oss模型上尝试过，得到的答案并没有我预期的那么好。你知道是什么原因吗？是训练材料总体上不够吗？

今天，我们推出了首个能够自动完成账务的人工智能首席财务官（CFO）。 我们之所以开发它，是因为即使我们自己也无法做到账务的及时结算。 现已开放早期访问，欢迎100位创始用户注册 → <a href="https:&#x2F;&#x2F;www.layernext.ai" rel="nofollow">https:&#x2F;&#x2F;www.layernext.ai</a>

大家好， 我们创建了ModelRed来测试AI模型和应用程序的安全性问题。我们对9个领先模型进行了4,182次攻击探测，以观察哪些会出现漏洞。 排行榜： [https://modelred.ai](https://modelred.ai) （无需注册，直接查看） Claude的得分为9.5/10，但在医疗和金融提示上仍然失败。Mistral Large的得分为3.3/10。最佳与最差之间的差距非常大。 我们测试提示注入、数据泄露、越狱、风险工具调用、特定领域的黑客攻击，基本上涵盖了当你的大型语言模型（LLM）访问真实数据和API时可能出现的所有问题。该平台持续运行这些测试，并在得分下降时阻止持续集成/持续部署（CI/CD）。 支持任何提供商（OpenAI、Anthropic、AWS、Huggingface端点、OpenRouter等）。 我们希望寻找大约20个正在生产中部署AI的个人或团队作为早期设计合作伙伴，帮助我们确定哪些功能真正重要，贡献攻击向量，规划产品路线图。 最奇怪的发现是：相同的提示注入在60%的模型上都有效，因为大家都在复制相同的防御模式。 欢迎提问有关方法论、具体漏洞，或者如果你想成为设计合作伙伴。