redact：构建去中心化的、端到端加密的网站工具

redact：构建去中心化的、端到端加密的网站工具Redact是一个用于构建端到端加密的零信任网站的工具。这里的端到端加密是指，不仅您与网站服务器的连接受到TLS的保护，而且每个单独的输入字段，以及页面上显示的任何用户提交的数据，都是加密的。使用Redact的网站将在他们的数据库中存储对数据的引用，将这些引用放在他们的HTML中，当页面加载时，用户的设备以不透明的方式填补空白。在做到这一点时不使用Javascript，也不使用浏览器内加密。该工具就像是Signal那样的加密通信应用程序，但它是针对整个网站的，而不仅仅是消息。这个项目最初的动机是对过去几年中出现的大量数据泄露和数据隐私问题的回应。想回答的基本问题是：如何才能在现代浏览器中保持网站的实用性和丰富的内容体验，同时保证用户的数据不会被窃取、不会被不道德地使用？于是提出了这个解决方案：Redact。创建者认为这个项目完全符合“web3”的范畴。虽然不使用区块链，但该项目假定了零信任，分散了用户数据的存储，并允许用户通过赋予他们对其数据的所有权和控制权来实现自我主权。您可以在这里找到更多关于它如何工作的信息：https://redact.ws/how-it-works这里有一个个入门文档，您可以试试看：https://docs.redact.ws/en/latest/getting-started.htmlCodebases:—Localclient:https://github.com/pauwels-labs/redact-client.git—Storageserver:https://github.com/pauwels-labs/redact-store.git—Librarythatallowsustofluidlyserialize,deserialize,andCRUDencrypteddata:https://github.com/pauwels-labs/redact-crypto.git#tools#encryption#websites

从0到1构建一个MiniLLM

本项目旨在构建一个小参数量的llm，走完预训练->指令微调->奖励模型->强化学习四个阶段，以可控的成本完成一个可以完成简单聊天任务的chat模型，目前完成前两个阶段。使用bert4torch训练框架，代码简洁高效；训练的checkpoint可以无缝衔接transformers，直接使用transformers包进行推理；优化了训练时候文件读取方式，优化内存占用；提供了完整训练log供复现比对；增加自我认知数据集，可自定义机器人名称作者等属性。chat模型支持多轮对话。