#иб #дыра_в_безопасности #cyberseс Отмечу, что собирают данные почти все приложения, т.к. данные - топливо для #платформы, об этом можно почитать на канале посты с тегом #Срничек. Браузеры собирают тоже, например через куки-файлы, о них цикл постов тут. Поэтому всякие разделительные/заградительные приложения - это скорее такая мобильная лаборатория, чтобы оптимизировать расход памяти устройства и не пропустить внезпно сломавшееся/взломннное приложение в простраство, в память с другими приложениями и операционной системой. Ну еще поиграть в самоуспокоение и/лил контрразведку, кому надо. Поэтому, В свете последних событий полезный инструмент - #shelter : это песочница, приложение для #android., #Песочница - отдельное пространство со своей памятью и данными, которые не пересекаются с основным пространством приложений в операционной системе телефона. То есть для приложений в песочнице ваш телефон абсолютно новый. Ранее на канале уже разбирали работающую по похожему принципу онлайн песочницу тут. В основе песочницы - «рабочий профиль», он же Work Profile - это другое простраство приложений, отдельное от основного, персонального. Как отдельная полка шкафа, разграничивается доступ к данным, например список контактов, хранимые файлы и фото. Ни основной, ни рабочий профили не влияют на друг друга, между собой без вас не общаются. Изначальной целью #google было дать возможность пользоваться одним телефоном как для личных, так и рабочих целей. А вы помните про разделение,м?
Если цель минимизировать доступ шальным щупальцам непонятно какого приложения — вполне себе хороший подход. Еще лучше подход: не знаешь - не ставь. Однако тенденция времени, когда вокруг приложения шум и вроде как часть окружения использует, поэтому тоже надо. Для таких «сереньких» приложений, как раз полезна песочница. Песочница с открытым кодом, а значит есть сообщество, которое изучает код и как в любом сообществе есть подгоняемая гордыней и любопыством жажда соревнования «кто найдент залет в коде первым». Поэтому приложения с открытым кодом полезны, они на виду. При установке приложение рассказывает о том, какие шаги выполняются. См картинки. Устоновка простая, на последнем этапе попросит права на создание рабочего пространства, после чего открывается основной экран с двумя стульями вкладками «основной» и Shelter. Основной - это все ваши приложения, Shelter - пространство песочницы. Если ткнуть по приложению в «основном», то появится окно с «копировать в Shelter», этой командой можно перенести или даже поставить из магазина приложений приложение в песочницу, после чего можно удалить приложение из основного пространства. Еще из плюсов - в песочнице можно «заморозить» приложения, то есть остановить их фоновое выполнение, что освобождает ресурсы памяти и процессора телефона. Если прожать отметку в поле «Виджеты в основном телефоне», то в основном пространстве появится иконка-ссылка на запуск приложения в песочнице с отметкой чемодана, см картинки. И да, уведомления от приложения из песочницы приходят. Вощм кому актуально - пробуйте. Пока поведение приложения пока изучаю, работает вроде без косяков.
Поддержать канал

#жека - солнечная кошка: вот кого давно не было) А еще она рассказала вот такую быличку:

Если домовой любит в кошке ее цвет, то гладит ее – и это будто бы даже заменяет кошке еду, она становится «толстая, как лошадь».

Начало. #Берриман «Промпт инжиниринг для LLM». #LLM пришельцы из другого мира – они видят и читают текст иначе. Мы (обычно) не читаем строки/текст посимвольно:

«мы не читаем строки посимвольно. На первичной стадии обработки информации человеческий мозг группирует символы в слова. И читаем мы именно слова, а не буквы. Вот почему мы часто не замечаем опечатки: когда они достигают сознательного уровня восприятия, наш мозг успевает их исправить»

Пример такого схватывающего куски текста чтения-исправления можно попробовать прямо сейчас на одной из картинок выше. Но вот если разбить границы слов, то нашему встроенному «автокорректору» будет сложнее. В левой части рисунка первая и последняя буквы слова остаются на своих местах, но порядок букв внутри слова изменен. В правой части буквы не перемешаны, но границы слов поменялись. Большинству читателей будет намного легче прочитать вариант слева. #ИИ-модели тоже не читают текст посимвольно, когда мы отправляем текст запроса, #промпт, он разбивается на ряд многобуквенных фрагментов — токенов. Обычно токены состоят из трех-четырех символов, но в случае распространенных слов или последовательностей букв могут быть длиннее. Набор токенов, используемых моделью, называется ее словарем. При чтении текста модель пропускает его через спец.программный модуль – токенизатор, см схему текста пословицы из прошлого поста на приложенной картинке.
Вот самый простой его вариант- строка разбивается на слова.

def simple_tokenize(text: str):
return [s.strip() for s in text.split()]

text = "One, Two, Buckle My Shoe"
print(simple_tokenize(text))
# ['One,', 'Two,', 'Buckle', 'My', 'Shoe']

И только после такой разбивки отправляет фрагменты на обработку в llm. После этого она генерирует серию токенов (представленных внутри нее в виде чисел, в компе все внутри в виде чисел, см тут), которые на выходе преобразуются обратно в текст. Многие токенизаторы содержат
составные токены с пробелом в начале. LLM видят текст, состоящий из токенов, люди видят текст, состоящий из слов. Конечно похоже, так как #ИИ не родился сам или с помощью начального события через эволюцию и/или прочие акты раннего творения. Он создан людьми, поэтому механизым похожие, как след приложенного человеческого ума. Однако отличия тоже есть.

«мы, люди, преобразовываем буквы в слова примерно следующим образом: стараемся подобрать слово, наиболее похожее на последовательность букв, которую видим. С другой стороны, LLM используют детерминированные (предсказуемые) токенизаторы, что делает опечатки очень заметными.Слово ghost в токенизаторе GPT (популярен не только в моделях #OpenAI) является одним токеном. Однако опечатка gohst разбивается на ряд из трех токенов — g-oh-st. Это заметное отличие позволяет модели легко обнаружить ошибку. Несмотря на это, LLM довольно устойчивы к опечаткам, поскольку часто встречались с ними в обучающей выборке.»

Человек может остановиться и рассмотреть каждую букву в отдельности, но LLM могут использовать только встроенный токенизатор (и еще у них нет возможности приостановить работу). Многие LLM по обучающим выборкам запомнили, из каких букв состоят конкретные токены, но это только усложняет выполнение синтаксических задач, где модели нужно разбить текст на токены или заново их собрать. У нас, людей. есть интуитивное понимание многих особенностей, связанных с токенами и буквами. Например, мы их видим и знаем, какие буквы закругленные, а какие нет. Мы можем посмотреть на все предллжение целиком и быстро пробежать его взглядом, как при всяких скорочтениях. Для людей заглавная буква А — это просто версия строчной буквы а. Но токены, содержащие заглавные буквы, отличаются от тех, которые содержат строчные. Большинство токенизаторов не позволяют модели установить взаимосвязь между, так как токены с прописными буквами не всегда идентичны токенам со строчными. Поддержать канал