🚨 GitHub 监控消息提醒 🚨发现关键词：#漏洞#验证#检测#分析 📦项目名称：LLM-MultiAgent-StackOverflow-Detector 👤项目作者：uguj 🛠开发语言： Python ⭐Star数量： 0 | 🍴Fork数量： 0 📅更新时间： 2026-05-18 10:51:12 📝项目描述： 基于ReAct范式的多智能体栈缓冲区溢出检测框架，用于C/C++代码漏洞分析。 - Finder Agent：基于libclang的AST解析，识别危险函数调用 - Tracer Agent：语法树回溯，分析参数可控性 - Hypothesis Agent：调用Qwen2.5-Coder大语言模型生成智能漏洞假设 - Verifier Agent：通过angr符号执行与objdump静态匹配进行二进制验证 框架形成“发现→追踪→假设→验证→反馈”的闭环检测流程。 本仓库包含毕业设计《基于大语言模型的栈溢出漏洞检测研究》的全部源代码、测试用例及实验结果。 🔗点击访问项目地址
搜索 #feedit
@AboutRss · Post #876 · 2020/11/19 01:00
FeedIt trainable RSS reader 登陆 iOS APP Store 频道提及过的机器学习型 #RSS阅读器#FeedIt 在其安卓版和线上版后发布了 #iOS 版： https://apps.apple.com/us/app/feedit-rss-reader/id1538541609 发现于 https://twitter.com/RSSCircus/status/1328955086152806401
@AboutRss · Post #840 · 2020/10/13 01:00
FeedIt :利用机器学习进行文章喜好排序的在线 #RSS阅读器 还记得在 Reddit 上看到个贴，说 Ta 唯一不喜欢 RSS 订阅的一点是：阅读器把所有文章一视同仁，不能告诉 Ta 哪个重要、哪个不重要。回帖里自然有人教育道：RSS 订阅的特色就是没有谁帮你决定哪个重要、哪个不重要。 当然，该帖里也提到，除了关键词过滤或给 Feeds 按重要程度分组外，有几家阅读器可以给文章打分，并以分数改变其排序。比如 #TTRSS 的 Scoring 。 现在，更 fancy 的来了。 #FeedIt 让你可以通过给文章以及文章关键词打“赞”和“踩”来用机器学习训练阅读器对你喜好的把握；一段时日之后，就可以让阅读器按你的喜好来给文章排序了。对于那些订阅很多 Feeds 的玩家，说不定也是条路。 官网在此，自带 #Android App ： https://feedit.sk/ 发现于 Reddit 。到底是高大上还是本末倒置，欢迎留言讨论。