socketz

Mastodon: @[email protected]

[socketz @socketz]

@DailyDarkWeb Netanfuckyou

[socketz @socketz]

@thesupermannx Read this https://t.co/hKWlwH2MLV

[John Althouse @4A4133]

Sorry everyone... We're announcing a 0-Day vuln in QUIC that allows anyone to remotely turn off a server running these libraries. I swear we didn't plan this.

https://t.co/fopoKsPulV

[DeepSeek @deepseek_ai]

🚀 Introducing DeepInfer, our in-house inference framework, now fully open source!

Powering DeepSeek-V4.1-Flash at scale with high throughput and low latency. We’re sharing our production stack to help the community lower compute costs, reduce energy use, and make AI more affordable.

🔗 https://t.co/JGAik1kgk0

1/4

[socketz @socketz]

17 years of Android openness are at risk. Google's plan to block unverified apps is a direct hit on F-Droid and independent software. Stop the lockdown: https://t.co/FmwcHlEuS6 @AlteredDeal #KeepAndroidOpen

[DeepSeek @deepseek_ai]

🚀 DeepSeek-V4.1-Flash-1017 is here!

Stronger benchmark performance, faster task completion, and shorter outputs than the previous version—a Pareto improvement in performance and cost. Now live on our website, app, and API.

🛠️ Optimized for @DeepSeekHarness, Tencent CodeBuddy, WorkBuddy, and more. Upgrade to DeepSeek Harness v0.2.1-rc.1 or later for the best experience with the new model.

1/4

[socketz @socketz]

@thecybersecorg This repo belongs to @mthcht2, I just contributed to the project at some point.

[socketz @socketz]

Threat Hunting at another level

[Mauro Eldritch 🏴‍☠️ @MauroEldritch]

🇰🇵 We built a fake company. We recruited DPRK IT workers. We recorded everything.

📹 The full story is finally out: hours of footage, IOCs, things we never showed at DEF CON and even a familiar face from Season 1.

Smile, You’re on Camera: Episode 2.

[Pavel Yosifovich @zodiacon]

New video: basic reversing of a Windows kernel driver.

WESP, the new endpoint security driver in Insider builds, has no device objects and no dispatch routines. Its imports tell you how it really talks to user mode: a filter communication port.

Full write-up: https://t.co/ZWtza7feUt

[socketz @socketz]

@thecybersecorg I don't know which page you mean.

[Israel Exposed @xIsraelExposedx]

We have published a 29 page report on our investigation into the Israeli Ministry of Diaspora Affair's, 'J-SOC'.

They has been publishing the schecule of over 2000+ protests, with GPS coordinates, as well as paying accounts on X to push propaganda + blatant platform manipulation.

You can view/download it here: https://t.co/yGhN4lMghu

Thank you to @Wallface who did most of the research, if you are not following him already you really should be.

We included a shorter 5 page brief that is easier to digest, as well as a searchable index of the entire site + the financial records themselves for researchers.

Support us by following our new TikTok: https://t.co/thRyRSkgba

God bless.

[socketz @socketz]

@Renfe Gracias @Seifreed para mí ya has ganado el hackaton por esto:

https://t.co/LJ7qTsGAiH

[socketz @socketz]

@Renfe ¿Ésto significa que arreglareis vuestra web de venta de forma gratuita? Si me contratáis por la millonada que pagáis a las consultoras que tenéis a vuestro servicio, os prometo que va a funcionar de una p**a vez. Es la peor web que he visto nunca.

[ricky b @rbranson]

omfg brutally modelmogged

[Sumanth @Sumanth_077]

Train your own LLM from scratch!

A step-by-step repo that walks you through building and training a transformer model from scratch using PyTorch. From downloading training data all the way to generating text.

The architecture is built from the ground up following the original "Attention is All You Need" paper. MLP, single head attention, multi-head attention, transformer blocks, and the full transformer model - all coded and explained with detailed diagrams at each step.

Training data comes from The Pile - a diverse 825GB open-source dataset covering books, articles, code, websites, and more. The repo includes scripts to download it, preprocess and tokenize it using tiktoken, store it in HDF5 format, and feed it into training batches.

You can train a 13M parameter model on a single Colab T4 GPU. At 13M parameters the model starts generating proper grammar and coherent short sentences. For billion-parameter training you need at least an A100 or RTX 4090. The repo includes a full GPU compatibility table so you know exactly what's possible on your hardware.

Includes a complete SFT and RLHF guide as a separate notebook for taking your trained model further.

Key capabilities:

• End-to-end pipeline: data download → preprocessing → training → text generation
• Full transformer implementation from scratch with PyTorch
• Trains models from 13M to 2B+ parameters on a single GPU
• Training data from The Pile (825GB, 22 diverse datasets)
• Tokenization via tiktoken (r50k_base)
• SFT and RLHF guide included

100% open source.

I've shared the link in the replies!

[Mr. Buzzoni @Mr_Buzzoni]

https://t.co/sZqqPjKxFR

[Julian Assange @JulianAssange]

I'm back.

[Ido Veltzman @Idov31]

I'm thrilled to make Silverseal public!. It is among the first publicly available UEFI bootkit research frameworks for Linux-based systems to demonstrate an end-to-end path from GRUB to a running Rust kernel-module rootkit: https://t.co/AJVhQLUVbI 1/3

[Pau @paumrch]

Hoy el Gobierno ha presentado https://t.co/VdF3qyPDxV, el nuevo portal estatal para acceder a vivienda pública asequible.

Y he ido a mirar cuánto ha costado.

La respuesta corta es que hemos pagado 1,4 M de € por una web.

La respuesta larga es más interesante.

Porque detrás de esa web hay una pequeña lección sobre cómo la Administración española acaba atrapada durante años entre consultoras, licencias, plataformas propietarias y proveedores tecnológicos.

Vamos con los documentos.

CASA 47 licitó en 2025 un “Sistema Integrado de Gestión para la gestión del Parque de Alquiler Asequible”.

Presupuesto de licitación:

1.880.949 € + IVA.

Se lo adjudicó @EY_Spain por:

1.184.998 € + IVA.

1.433.847,58 euros públicos.

El contrato dura cuatro años.

Pero atención.

Esos 1,18 millones NO incluyen las licencias de la tecnología base sobre la que funcionará el sistema.

Lo dice el propio pliego.

Es decir:

Pagamos la consultoría.

Pagamos el desarrollo.

Pagamos la implantación.

Pagamos el mantenimiento.

Y después pagamos también las licencias del software necesario para que todo eso funcione.

¿Cuánto costará realmente durante 5, 7 o 10 años?

No lo sabemos.

Y ahí empieza la parte divertida.

El pliego señala como soluciones CRM de referencia:

→ Microsoft Dynamics 365
→ Salesforce
→ SAP
Sí: tres de los mayores ecosistemas de software empresarial propietario del planeta.

En teoría se permiten alternativas.

En la práctica se exige que sean tecnologías maduras, escalables, interoperables y con experiencia previa demostrable en grandes portales equivalentes.

Además, se valoraban certificaciones expedidas por el propio fabricante del CRM.

Es una dinámica maravillosa.

Primero eliges una gran plataforma empresarial.

Después necesitas especialistas certificados en esa plataforma.

Después necesitas partners para mantenerla.

Después construyes tus procesos sobre ella.

Después tus datos, workflows, automatizaciones, formularios, expedientes e integraciones dependen de esas empresas.

Y cuando dentro de unos años alguien propone cambiarla descubres que migrar cuesta una fortuna.

Esto se conoce como vendor lock-in.

Pero hay más.

Cuando CASA 47 habla de inteligencia artificial, el pliego exige expresamente que el sistema tenga flexibilidad para cambiar de modelos y proveedores.

¿La razón?

Cito literalmente:

“evitando quedar esclavo de una tecnología concreta”.

🙂

Es decir,

La Administración comprende perfectamente el riesgo de quedar “esclava de una tecnología concreta” cuando hablamos de modelos de IA.

Pero parece bastante más relajada cuando hablamos del CRM que puede gestionar durante la próxima década los usuarios, viviendas, expedientes, contratos, incidencias, procesos y datos del parque público estatal.

Y hay más (todavía).

Porque CASA 47 ya tenía OTRO contrato para su portal institucional.

En 2023 SEPES decidió que su web corporativa debía utilizar específicamente Liferay.

No “un gestor de contenidos que cumpla estos requisitos”.

Liferay.

El contrato incluía:

160.000 € para desarrollo.

20.000 € para mantenimiento.

90.000 € para tres años de Liferay LXC SaaS.

Se adjudicó finalmente a Ibermática por:

220.060 € + IVA.

Así que hoy tenemos, simplificando:

https://t.co/ftoOxWxqfz

→ Liferay
→ SaaS
→ integrador externo.

https://t.co/VdF3qyPDxV

→ nuevo SIG
→ CRM empresarial
→ EY
→ licencias adicionales
→ mantenimiento
→ integraciones con otros sistemas.

Y detrás, SAP y demás infraestructura corporativa.
Cada caja necesita contratos.
Cada plataforma necesita especialistas.
Cada integración genera dependencia.

Cada año que pasa, salir cuesta más.

Por cierto: el contrato de EY contempla al menos 9.000 horas de mantenimiento evolutivo.

EY ofreció otras 5.000 horas adicionales.

Hasta 14.000 horas.

La pregunta que deberíamos hacernos no es si una consultora puede dedicar 14.000 horas a un sistema de esta magnitud. Puede.

La pregunta es:

¿qué capacidad tecnológica conservará CASA 47 dentro de cuatro años para operar y evolucionar todo esto sin EY, sin otro integrador o sin el fabricante de la plataforma? Cero.

Porque esa es la diferencia entre comprar tecnología y alquilar dependencia.

También conviene ser justos.

El contrato NO son 1,4 millones “por una página web”.

Incluye procesos, CRM, gestión de expedientes, portal ciudadano, integraciones, automatizaciones, soporte y mantenimiento.

Decir “han pagado 1,4 millones por esta web” sería falso.

Y además nos impediría hablar del problema realmente importante.

Porque el despilfarro tecnológico de una Administración no siempre consiste en pagar una barbaridad por cuatro pantallas.

A veces es mucho más sofisticado.

Consiste en transformar una necesidad pública perfectamente razonable en una arquitectura que acumula:

→ consultoría
→ fabricante
→ licencias
→ SaaS
→ integrador
→ mantenimiento
→ certificaciones
→ desarrollos específicos
→ integraciones
→ costes de migración

hasta que cambiar de proveedor deja de ser una decisión tecnológica y se convierte en problema presupuestario.

Quizá no estamos comprando software.
Quizá estamos comprando una dependencia.

Con dinero público.

[Cameron R. Wolfe, Ph.D. @cwolferesearch]

Getting ready to publish my complete guide to RL for LLMs tomorrow morning. Although the post contains many of my own thoughts / learnings, it is also a synthesis of so many great resources that have been published over the years:

- The RLHF Book (https://t.co/n3aUxqWtgS) by @natolambert
- Reinforcement Learning by Richard S. Sutton and Andrew G. Barto
- Spinning Up in Deep RL (https://t.co/EYcOOllvIy) from OpenAI
- Build an LLM (https://t.co/6HfXuofVwq) and Reasoning Model (https://t.co/l5uS247A04) from Scratch by @rasbt
- Various notes (https://t.co/hpsyAKOnRv) and papers (TRPO, PPO, etc.) from John Schulman
- Policy Gradient Algorithms (https://t.co/caNLakSjo5) by Lilian Weng
- A Vision Researcher’s Guide to RL (https://t.co/25awrjj5Bd) by @YugeTen
- From REINFORCE to Dr. GRPO (https://t.co/M23e3Fl3VZ) by @qingfeng_lan
- Async GRPO in the Wild (https://t.co/A5qeYMwcy4) by @yumo_xu
- Open RL infrastructure like TRL (https://t.co/TGrrnJ574t) and OpenInstruct (https://t.co/L9pObiUb1c)

I highly recommend reading all of them. They’ve truly helped me to learn so much.

[株式投資の天才 @COLORDM1]

日本製鉄が本気！
十億回言いますよ。
現：112円
100株でもいいから買っておけ。
😱億り人大量発生すんぞ。これ