Sionna RT 是一个开源的 GPU 加速库，专注于无线电波传播模拟。该研究解决了模拟中的可微分性问题，提升了速度、内存效率和可扩展性，为无线通信研究提供了有效工具。

#Request Tracker (RT) #KeePass进程残留主密钥泄露 #PUTTY-PPK转id_rsa私钥权限提升

本研究针对现有自动化红队测试方法只关注孤立安全缺陷的问题，提出了一种新的强化学习框架Auto-RT，能够自动探索并优化复杂攻击策略，寻找安全漏洞。研究表明，Auto-RT通过高效探索和自动优化攻击策略，能更快速地检测到更广泛的漏洞，相较于现有方法成功率提高了16.63%。

本文介绍了性能测试的三个关键指标：QPS（每秒查询数）、TPS（每秒事务数）和RT（响应时间）。QPS衡量系统每秒处理的查询数量，TPS关注事务完成情况，RT则表示请求处理时间。三者相互关联，需平衡以确保系统稳定性和良好用户体验。

Robo-ABC框架通过提取人类视频中的联系点，实现了机器人零样本操作，无需手动注释。该框架在视觉操作性检索上提升了31.6%，物体抓取任务成功率达到85.7%。

飞桨发布的Mask-RT-DETR模型在实例分割任务中表现优异，支持134个模型。该模型基于RT-DETR优化，采用PP-HGNetV2作为骨干网络，提升了精度和速度。通过IoU-aware Query Selection和MaskDINOHead技术，Mask-RT-DETR在相同推理耗时下达到了SOTA级别的精度，适用于多个领域。

本研究提出了一种新的贝叶斯层析成像方法，解决了传统相干成像光谱技术在离子温度和速度分布建模上的不足。通过引入非线性高斯过程，该方法能有效重建高温高速度区域的离子特性，并在RT-1设备的数据验证中显示出其在等离子体诊断中的潜力。

本文研究了现有实时目标检测模型在训练中的监督不足问题，提出了一种基于RT-DETR的新方法RT-DETRv3，通过引入CNN辅助分支和自注意力扰动策略，显著提升了模型的准确性和训练效率。实验结果表明，RT-DETRv3在COCO val2017数据集上远超现有技术，具有重要的实践意义。

实例分割是计算机视觉中的重要任务，能够提供丰富详细的信息，广泛应用于多个领域。基于百度飞桨发布的RT-DETR模型，Mask-RT-DETR适配实例分割任务，具有优势。Mask-RT-DETR在总体结构上与RT-DETR基本一致，但在实现细节上进行了改进。通过改进，Mask-RT-DETR在实例分割任务中取得了SOTA精度。Mask-RT-DETR采用了PP-HGNetV2作为骨干网络，并引入了MaskFeatFPN模块和IoU-aware Query Selection技术。Mask-RT-DETR还增加了分割头MaskDINOHead。Mask-RT-DETR的benchmark指标达到了SOTA精度。PaddleX提供了多种开发和部署方式，包括云端形式和本地开源版。

研究发现，传统机器人系统在新环境和任务中的适应性问题。通过示范微调RT-1-X模型，机器人能够学习提取任务，但知识转移仅限于技能而非对象特定知识。同时，研究还探索了使用多样化数据集进行训练以提高机器人在未见过的领域和任务中的成功率。

本文评估了商用T2I生成系统在版权侵权方面的安全性，并提出了一个更强大的自动越狱流程。结果显示，ChatGPT阻止了84%的攻击，但我们的方法成功越狱了ChatGPT，封锁了11.0%的攻击。探讨了各种防御策略，但发现它们是不够的，需要更强大的防御机制。

NGP-RT是一种新方法，用于提高Instant-NGP的渲染速度和实时新视角合成。NGP-RT通过存储颜色和密度，并利用注意力机制解决延展性问题。实验结果表明，NGP-RT在Mip-NeRF360数据集上的渲染质量优于以往的NeRF方法，并在单个Nvidia RTX 3090 GPU上以1080p分辨率实现了108fps的渲染速度。