实体
PEMDAS
PEMDAS
PulseAugur coverage of PEMDAS — every cluster mentioning PEMDAS across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
大型语言模型数学错误与安全风险：为什么 eval() 是个坏主意
由于其概率性本质，使用大型语言模型进行数学计算是不可靠的，会导致错误的答案。开发者经常诉诸于在 JavaScript 或 Python 等语言中使用 `eval()` 作为快速修复方法，但这会通过启用任意代码执行来造成严重的安全漏洞。一种更健壮、更安全的方法是采用专用的确定性数学表达式求值器，它使用解析器构建抽象语法树 (AST)，并根据严格的数学语法求值表达式，将大型语言模型的作用从计算器转变为接口。
-
新研究探索用于二进制程序聚类的自监督学习
一项新研究探索了自监督学习（SSL）和表格表示学习（TRL）在二进制程序聚类中的应用，这是网络安全中用于恶意软件分析的关键任务。该研究在 Ember 和 Bodmas 数据集上分两个阶段进行，发现像 BYOL 和 SimSiam 这样的改编的基于视觉的 SSL 模型表现与监督方法相当。在无监督学习中，VIME 模型设定了新的最先进水平，而一种称为 VIME-R 的检索增强扩展进一步改进了它，通过更具信息量的训练对增强了恶意软件分析。