在HTB-Mirage渗透测试中，发现多个开放端口和服务，包括NFS和SMB。通过匿名挂载NFS获取信息，伪造NATS服务器窃取用户凭据，成功获取多个账户密码并进行横向移动，修改用户权限和密码，实施RBCD和DCsync攻击，最终登录DC01主机。

本研究解决了检索增强生成（RAG）系统评估中组件间复杂相互作用造成的挑战，导致现有基准稀缺的问题。我们提出了MIRAGE，一个专为RAG评估设计的问题回答数据集，提供了7,560个实例，并映射至37,800个条目的检索池，同时引入新评估指标以测量RAG的适应性。研究发现优化模型对齐及RAG系统内部动态提供了新见解。

本研究揭示了对比解码策略在多模态大语言模型中解决幻觉问题的局限性，尽管表面上性能有所提升，但这些提升实际上是误导性因素所致，未能有效抑制幻觉。研究挑战了对比解码的有效性，并为更好的解决方案提供了新方向。

RAG结合检索和深度学习技术，解决大型语言模型的静态限制，通过整合外部信息提高输出的准确性和可靠性。研究将RAG分为四类，探讨其演进和领域进展，并提出评估方法和未来研究方向，以巩固现有研究，明确技术基础，突出其扩展LLMs的适应性和应用潜力。

本文介绍了GaussianShader方法，通过在三维高斯函数上应用简化的着色函数，提升神经渲染效果。该方法设计了新颖的法线估计框架，并使用损失函数确保法线与高斯球几何一致。实验表明，GaussianShader在效率和视觉质量上取得平衡，优化速度比Ref-NeRF快，并在镜面对象数据集上提高了峰值信噪比。

介绍了Visual Haystacks（VHs）Benchmark，用于评估大型多模态模型（LMMs）在处理大量图像数据时的能力。发现现有的LMMs在处理大量图像时存在困难，尤其是在存在视觉干扰的情况下。介绍了名为MIRAGE的新训练范式，通过压缩编码、使用检索器和增加多图像训练数据来改善MIQA任务的性能。提出了使用Visual Haystacks框架来评估模型性能的建议。

Mirage是首个多级超优化程序，通过引入μGraphs统一表示方法，在GPU计算层次结构的内核、线程块和线程级别上对张量程序进行优化。Mirage通过剪枝技术和概率等价性验证过程，减少搜索空间，确保优化的μGraph与输入程序等价。相比广泛使用的DNN，Mirage的性能提升最高可达3.5倍。

Dissecting the allure of GPT-3.5 Turbo's fine-tuning: is it the next AI frontier or a costly endeavor? Dive into the delicate interplay of prompt engineering versus precise fine-tuning, and weigh...