最新

你好，HN，我是作者。我创建NIS2 Shield是因为我注意到一个危险的趋势：新的欧盟网络安全指令（NIS2）正在为企业公司构建一个“护城河”。由于严格的“供应链安全”要求（第21条），大公司开始停止从无法证明合规性的初创企业和中小企业购买软件。 我不希望合规成为进入市场的障碍或官僚主义的噩梦。我希望它成为一个工程问题。 核心概念：合规即代码。我们将法律要求直接映射到代码功能，而不是依赖昂贵的顾问。 - 法律：“密码学与人力资源安全”（第21条.e） - 代码：自动处理法医日志（HMAC签名）、个人身份信息加密和会话保护的中间件。 为什么要使用它（即使你不受NIS2约束）？即使你是一家小型初创公司，法律尚不适用，这些功能也是合理的安全默认设置。我们使法医日志、速率限制和加密审计等功能“即插即用”。由于现在实现这些功能非常简单（例如，只需添加一个中间件），从第一天起就没有理由不具备“企业级”安全性。这不仅提升了你的产品质量，还为你最终获得大型企业客户做好了“未来保障”。 技术栈（MIT许可）： - 后端：适用于Django、Express、Spring Boot和.NET的中间件。 - 基础设施：为AWS/Azure/GCP提供安全加固的Terraform模块（并有开关以节省开发成本）。 - 前端：用于客户端遥测的React/Vue/Angular保护。 商业模式（透明度）： - 真相（免费）：所有确保安全的代码均为MIT开源。你可以自由使用。 - 证明（付费）：我们出售“审计工具包”——一个为你的CISO/管理层生成法律PDF报告和审计仪表板的引擎。 简而言之：安全是免费的，官僚主义是收费的。 我很希望能听到你对代码库结构和Terraform模块的反馈！ 代码库： [https://github.com/nis2shield](https://github.com/nis2shield) 文档： [https://nis2shield.com](https://nis2shield.com)

嗨，HN，我们是来自Tamarind Bio的Deniz和Sherry（<a href="https://www.tamarind.bio">https://www.tamarind.bio</a>）。Tamarind是一个为AI药物发现提供推理服务的平台，支持像AlphaFold这样的模型。生物制药公司利用我们领先的开源模型库，通过计算方法设计新药。 这里有一个演示：<a href="https://youtu.be/luoMApPeglo" rel="nofollow">https://youtu.be/luoMApPeglo</a> 两年前，我在斯坦福大学的一个实验室工作，负责为我的实验室同事运行模型。一些博士后会让我依次运行一组1-5个模型，输入数以万计的数据，然后我会在大学集群中设置工作流程后，通过电子邮件将结果发回给他们。 在某个时刻，所有组织的计算生物学工作都通过一个本科生来完成变得不再合理，因此我们创建了Tamarind，作为所有分子AI工具的集中平台，能够在不需要技术背景的情况下大规模使用。如今，我们已被许多前20大制药公司、数十家生物科技公司和成千上万的科学家所使用。 当我们开始在大型制药公司获得采用时，我们发现这个问题依然存在。我认识一些数据科学的主管，他们的工作一半可以描述为为他人运行脚本。 许多公司也已经放弃了内部构建的解决方案，转而切换到我们的平台，因为处理GPU基础设施和对接Docker容器并不是一个令人兴奋的问题，尤其是当你所在的公司正在努力治愈癌症时。 与非专业的推理提供商不同，我们为开发者构建了程序化接口，同时也提供了一个科学家友好的网页应用，因为我们的大多数用户并非技术人员。其中一些用户曾经从动物血液中提取蛋白质，而现在则用AI在Tamarind上生成蛋白质，取代了这一过程。 除了为我们提供的每个模型生成图像外，我们还设计了一个标准化的架构，以便能够共享每个模型的数据格式。我们构建了一个定制的调度程序和队列，优化了横向扩展（每次推理调用需要几分钟到几小时，并且一次只在一个GPU上运行），同时在CPU和GPU之间分配任务以实现最佳时机。 随着我们逐渐承担起生物制药研发AI需求的相当一部分，我们的服务范围已超越了仅提供开源协议库。 我们早期看到的一个常见用例是需要将多个模型连接成管道，并拥有可重复、一致的协议来替代物理实验。一旦我们成为构建计算科学内部工具的平台，用户们开始询问是否可以将自己的模型接入平台。 从那时起，我们现在支持微调、为任意Docker容器构建用户界面、连接湿实验室数据源等功能！ 如果您对我们的工作感兴趣，请通过deniz[at]tamarind.bio与我联系，我们正在招聘！查看我们的产品，网址是<a href="https://app.tamarind.bio">https://app.tamarind.bio</a>，如果您有任何反馈，欢迎告诉我们，以支持生物科技行业今天如何使用AI。

嗨，我是基兰，我一直在探索生成式人工智能与土木工程在道路设计交叉的领域（这个双关语是故意的）。我进行了一个测试，使用Fal的训练器在新的Flux 2 Dev模型上训练了一个LoRA，数据集是来自公开可用的街道布局条纹CAD图纸与同一区域航拍图像的配对图像。 这个用例的目的是让城市规划者在使用现有工具时，能够即时可视化他们所提议的更改。 这只是一个小规模数据的快速实验，结果超出了我的预期，所以我想与大家分享。 观看演示并获取测试说明： [https://www.youtube.com/watch?v=zS8pGoOfe00](https://www.youtube.com/watch?v=zS8pGoOfe00) 现在就试试吧（包括免费积分）： [https://3dstreet.app/generator](https://3dstreet.app/generator) 如果你对在自己的硬件上运行感到兴奋，这里是LoRA权重：[https://v3b.fal.media/files/b/0a87f41f/glySGbKtv8lzigPWzQDjb_pytorch_lora_weights.safetensors](https://v3b.fal.media/files/b/0a87f41f/glySGbKtv8lzigPWzQDjb...) 如果你对细节感兴趣，我可以写一篇更长的博客文章。这个模型仅使用了12对图像和文本描述进行训练，但在Fal上仍花费了大约100美元。我很想进行更大规模的训练，但准备所有数据确实需要一些时间，我对投入2000美元有些犹豫。我很好奇，专家们认为如果我使用更大的样本量，质量是否会提高。