Arcee 的 MergeKit：用于合并大型语言模型的工具包 | paper

提出MergeKit，一个开源、模块化、可扩展的模型合并库，使研究人员和实践者可以高效地合并预训练语言模型，从而创造出性能更优异、适应范围更广的新模型。

研究人员设计了一种低成本的模型参数提取攻击，可针对商业语言模型API恢复部分关键参数，提醒需要警惕模型泄露风险，并采取适当防御措施。| paper

ReverserAI：通过使用本地大语言模型 (LLM)，自动推荐函数名称，帮用户进行软件逆向工程

核心特点
离线操作：完全在本地CPU/GPU上运行LLM，确保数据隐私和安全。

自动函数命名：从反编译器输出中自动建议具有语义意义的函数名称。

Binary Ninja 集成：作为插件与 Binary Ninja 无缝集成。

模块化架构：专为轻松扩展而设计，以支持 IDA 和 Ghidra 等其他逆向工程工具。

消费类硬件兼容性：经过优化，可在消费级硬件（例如 Apple 芯片架构）上运行。

Devika：基于开源的 AI 软件工程师，可以理解人类的高级指令，并根据这些指令，分解成步骤，进行相关信息的研究，并编写代码实现目标。

Devika的系统架构由以下关键组件组成：

用户界面：基于网络的聊天界面，用于与 Devika 交互、查看项目文件以及监控代理的状态。
Agent Core：编排AI规划、推理和执行过程的核心组件。它与各种子代理和模块通信以完成任务。
大型语言模型：Devika 利用Claude、GPT-4和Ollama 的本地 LLM等最先进的语言模型进行自然语言理解、生成和推理。
规划和推理引擎：负责将高层目标分解为可操作的步骤，并根据当前环境做出决策。
研究模块：利用关键字提取和网页浏览功能来收集当前任务的相关信息。
代码编写模块：根据计划、研究结果和用户需求生成代码。支持多种编程语言。
浏览器交互模块：使 Devika 能够根据需要导航网站、提取信息并与 Web 元素交互。
知识库：存储和检索项目特定信息、代码片段和学到的知识，以便高效访问。
数据库：保存项目数据、代理状态和配置设置。

TorchTune：易于使用的 PyTorch 库，可轻松编写、微调和实验LLM模型。

该库提供了多种功能，包括使用 native-PyTorch 实现的流行语言模型，支持各种格式的复原，以及提供训练和评估工具，例如 HF 格式的检查点支持。