腦/筆記本電腦在現代生活中已經很普遍，但依然有很多人對其一知半解，會用而不會選，每次要換新電腦就頭疼，評測看得再多也還是舉棋不定，不確定是否適合自己。

今天，咱們嘗試從小白的角度來分析，到底怎么選擇適合自己的電腦？先簡單定義一下“適合”，價格適合、滿足實際需求，以及契合個人喜好等等。那么細化下來，可以拆分為3個問題：

1、你打算如何使用你的筆記本電腦？

是辦公、學習、娛樂、游戲，還是進行更專業化的工作如設計/剪輯等？是否需要經常帶出去？不同的用途需要不同的性能和功能，因此明確這一點很重要。

2、最重要的是，你的預算是多少？

確定一個價位基本就能圈定一些同等級別的產品，大大縮小選擇范圍。

3、你最關心它的什么性能/功能？

根據用途選擇適當的性能：CPU、內存和顯卡是影響性能的關鍵因素。如需進行高性能任務，如視頻編輯或游戲，需要選擇更強大的處理器和顯卡。

把用途、性能、預算3個問題的答案放在一起綜合考慮，就能篩選出一些符合個人需求的產品。用途和預算相對好把握，也是首先需要確認的，普通人比較困惑的可能在于電腦的配置、性能等技術層面的數據，一下讓人挑花眼。

參數雖多，起到關鍵作用的往往只有幾個，下面咱們試著把這些參數的含義和作用講明白：

（1）處理器（CPU）性能：處理器是電腦的大腦，影響整體性能。

• 高性能處理器適合多任務處理、視頻編輯和游戲等需求。
• 低至中等性能處理器適用于日常辦公和上網瀏覽。

如何判斷性能的高低？一般來說，可以看型號和系列（越高端，性能越好）；看核心數量（通常，擁有更多核心的CPU性能更好）；看制程技術（較新的制程技術通常意味著更高的能效和性能）；看緩存大小（較大的緩存可以提高數據訪問速度）；還可以去看獨立的CPU性能基準測試得分。

（2）內存（RAM）容量：內存決定了電腦同時運行應用程序的能力。

• 8GB RAM是標準配置，適合日常使用。
• 16GB或以上，適合多任務處理和專業應用。

（3）圖形性能（GPU）：如果需要處理圖形密集型任務，如游戲或圖形設計，需要更強大的獨立顯卡。

• 獨顯適合游戲和專業圖形應用。
• 集成顯卡適合日常辦公和娛樂。

（4）存儲類型和容量：影響啟動速度和文件讀寫。

• SSD（固態硬盤）速度更快，適合操作系統和常用應用。
• HDD（機械硬盤）提供更大的存儲容量，適合大文件和媒體。

大多數筆記本電腦都提供SSD存儲，它們速度更快，但相對容量較小。如果需要更多存儲空間，可以選擇具有大容量硬盤驅動器的型號或外部存儲選項。

（5）屏幕分辨率和類型：屏幕質量影響視覺體驗。

高分辨率屏幕適合圖形和視頻編輯，而IPS屏幕提供更好的顏色準確性和可視角度。

（6）電池壽命：如果對于移動性有硬性需求，電池壽命很重要！

查看電池壽命評估，多咨詢客服，選擇滿足需求的型號。

（7）散熱性能：高性能電腦通常需要更好的散熱，以防止過熱。

（8）尺寸和重量。

如果需要經常帶出去，那么就要好好考慮筆記本尺寸和重量，輕便的設計更適合移動使用；如果需要做圖形設計，那么大屏可能會更符合需求。

總之，選什么性能配置，要結合實際需求和預算來看。用途、預算、性能三者相互關聯，記住最基本的原則：“一分錢一分貨”。先找到自己的核心需求，懂得取舍，必定會選到當前條件內最合心意的筆記本電腦。

器之心報道

編輯：Panda W

今年四月誕生的多模態大型語言模型 MiniGPT-4 不僅能看圖聊天，還能利用手繪草圖建網站，可以說是功能強大。而在預訓練之后的微調階段，該模型使用了 3000 多個數據。確實很少，但上海交通大學清源研究院和里海大學的一個聯合研究團隊認為還可以更少，因為這些數據中大部分質量都不高。他們設計了一個數據選擇器，從中選出了 200 個數據，然后訓練得到了 InstructionGPT-4 模型，其表現竟優于微調數據更多的 MiniGPT-4！這究竟是如何做到的？

在生成細節豐富和精確的圖像描述方面，GPT-4 已經展現出了強大超凡的能力，其標志著一個語言和視覺處理新時代的到來。

因此，類似于 GPT-4 的多模態大型語言模型（MLLM）近來異軍突起，成為了一個炙手可熱的新興研究領域，其研究核心是將強大的 LLM 用作執行多模態任務的認知框架。MLLM 出人意料的卓越表現不僅超越了傳統方法，更使其成為了實現通用人工智能的潛在途徑之一。

為了創造出好用的 MLLM，需要使用大規模的配對的圖像 - 文本數據以及視覺 - 語言微調數據來訓練凍結的 LLM（如 LLaMA 和 Vicuna）與視覺表征（如 CLIP 和 BLIP-2）之間的連接器（如 MiniGPT-4、LLaVA 和 LLaMA-Adapter）。

MLLM 的訓練通常分為兩個階段：預訓練階段和微調階段。預訓練的目的是讓 MLLM 獲得大量知識，而微調則是為了教會模型更好地理解人類意圖并生成準確的響應。

為了增強 MLLM 理解視覺 - 語言和遵循指令的能力，近期出現了一種名為指令微調（instruction tuning）的強大微調技術。該技術有助于將模型與人類偏好對齊，從而讓模型在各種不同的指令下都能生成人類期望的結果。在開發指令微調技術方面，一個頗具建設性的方向是在微調階段引入圖像標注、視覺問答（VQA）和視覺推理數據集。InstructBLIP 和 Otter 等之前的技術的做法是使用一系列視覺 - 語言數據集來進行視覺指令微調，也得到了頗具潛力的結果。

但是，人們已經觀察到：常用的多模態指令微調數據集包含大量低質量實例，即其中的響應是不正確或不相關的。這樣的數據具有誤導性，并會對模型的性能表現造成負面影響。

這一問題促使研究人員開始探究這一可能性：能否使用少量高質量的遵循指令數據來獲得穩健的性能表現？

近期的一些研究得到了鼓舞人心的成果，表明這個方向是有潛力的。比如 Zhou et al. 提出了 LIMA ，這是一個使用人類專家精挑細選出的高質量數據微調得到的語言模型。該研究表明，即使使用數量有限的高質量遵循指令數據，大型語言模型也可以得到讓人滿意的結果。所以，研究人員得出結論：在對齊方面，少即是多（Less is More）。然而，對于如何為微調多模態語言模型選擇合適的高質量數據集，之前還沒有一個清晰的指導方針。

上海交通大學清源研究院和里海大學的一個研究團隊填補了這一空白，提出了一個穩健有效的數據選擇器。這個數據選擇器能夠自動識別并過濾低質量視覺 - 語言數據，從而確保模型訓練所使用的都是最相關和信息最豐富的樣本。

論文地址：https://arxiv.org/abs/2308.12067

研究者表示，這項研究關注的重點是探索少量但優質的指令微調數據對微調多模態大型語言模型的功效。除此之外，這篇論文還引入了幾個專為評估多模態指令數據的質量而設計的新指標。在圖像上執行譜聚類之后，數據選擇器會計算一個加權分數，其組合了 CLIP 分數、GPT 分數、獎勵分數和每個視覺 - 語言數據的答案長度。

通過在用于微調 MiniGPT-4 所用的 3400 個原始數據上使用該選擇器，研究者發現這些數據大部分都有低質量的問題。使用這個數據選擇器，研究者得到了一個小得多的精選數據子集 —— 僅有 200 個數據，只有原始數據集的 6%。然后他們使用 MiniGPT-4 一樣的訓練配置，微調得到了一個新模型：InstructionGPT-4。

研究者表示這是一個激動人心的發現，因為其表明：在視覺 - 語言指令微調中，數據的質量比數量更重要。此外，這種更加強調數據質量的變革提供了一個能提升 MLLM 微調的更有效的新范式。

研究者進行了嚴格的實驗，對已微調 MLLM 的實驗評估集中于七個多樣化且復雜的開放域多模態數據集，包括 Flick-30k、ScienceQA、 VSR 等。他們在不同的多模態任務上比較了使用不同數據集選取方法（使用數據選擇器、對數據集隨機采樣、使用完整數據集）而微調得到的模型的推理性能，結果展現了 InstructionGPT-4 的優越性。

此外還需說明：研究者用于評估的評價者是 GPT-4。具體而言，研究者使用了 prompt 將 GPT-4 變成了評價者，其可以使用 LLaVA-Bench 中的測試集來比較 InstructionGPT-4 和原始 MiniGPT-4 的響應結果。

結果發現，盡管與 MiniGPT-4 所用的原始指令遵循數據相比，InstructionGPT-4 使用的微調數據僅有 6% 那么一點點，但后者在 73% 的情況下給出的響應都相同或更好。

這篇論文的主要貢獻包括：

• 通過選擇 200 個（約 6%）高質量的指令遵循數據來訓練 InstructionGPT-4，研究者表明可以為多模態大型語言模型使用更少的指令數據來實現更好的對齊。
• 文中提出了一種數據選擇器，其使用了一種可解釋的簡單原則來選取用于微調的高質量多模態指令遵循數據。這種方法力求在數據子集的評估和調整中實現有效性和可移植性。
• 研究者通過實驗表明這種簡單技術能夠很好地應對不同任務。相比于原始的 MiniGPT-4，僅使用 6% 已過濾數據微調得到的 InstructionGPT-4 在多種任務上都取得了更優表現。

方法

這項研究的目標是提出一種簡單且可移植的數據選擇器，使其能自動從原始微調數據集中精選出一個子集。為此，研究者定義了一個選取原則，該原則關注的重點是多模態數據集的多樣化和質量。下面將簡單介紹一下。

選取原則

為了有效地訓練 MLLM，選取有用的多模態指令數據是至關重要的。而為了選出最優的指令數據，研究者提出了兩大關鍵原則：多樣性和質量。對于多樣性，研究者采用的方法是對圖像嵌入進行聚類，以將數據分成不同的組別。為了評估質量，研究者采用了一些用于高效評估多模態數據的關鍵指標。

數據選擇器

給定一個視覺 - 語言指令數據集和一個預訓練 MLLM（如 MiniGPT-4 和 LLaVA），數據選擇器的最終目標是識別出一個用于微調的子集并且使得該子集能為預訓練 MLLM 帶來提升。

為了選出這個子集并確保其多樣性，研究者首先是使用一個聚類算法將原始數據集分成多個類別。

為了確保所選出的多模態指令數據的質量，研究者制定了一套用于評估的指標，如下表 1 所示。

表 2 則給出了在計算最終分數時，每個不同分數的權重。

算法 1 展示了數據選擇器的整個工作流程。

實驗

實驗評估中所使用的數據集如下表 3 所示。

基準分數

表 4 比較了 MiniGPT-4 基準模型、使用隨機采樣的數據微調得到的 MiniGPT-4 以及使用數據選擇器微調得到的 InstructionGPT-4 的表現。

可以觀察到，InstructionGPT-4 的平均表現是最好的。具體來說，InstructionGPT-4 在 ScienceQA 的表現超過基準模型 2.12%，在 OKVQA 和 VCR-OC 上則分別超過基準模型 2.49% 和 4.19%。

此外，InstructionGPT-4 在除 VSR 之外的所有其它任務上都優于用隨機樣本訓練的模型。通過在一系列任務上評估和對比這些模型，可以辨別出它們各自的能力，并確定新提出的數據選擇器的效能 —— 數據選擇器能有效識別高質量數據。

這樣的全面分析表明：明智的數據選擇可以提升模型在各種不同任務上的零樣本性能。

GPT-4 評估

LLM 本身存在固有的位置偏見，對此可參閱機器之心文章《語言模型悄悄偷懶？新研究：上下文太長，模型會略過中間不看》。因此研究者采取了措施來解決這一問題，具體來說就是同時使用兩種排布響應的順序來執行評估，即將 InstructionGPT-4 生成的響應放在 MiniGPT-4 生成的響應之前或之后。為了制定明確的評判標準，他們采用了「贏-平-輸」（Win-Tie-Lose）框架：

1) 贏：InstructionGPT-4 在兩種情況下都贏或贏一次平一次；

2) 平：InstructionGPT-4 與 MiniGPT-4 平局兩次或贏一次輸一次；

3) 輸：InstructionGPT-4 輸兩次或輸一次平一次。

圖 1 展示了這種評估方法的結果。

在 60 個問題上，InstructionGPT-4 贏 29 局，輸 16 局，其余 15 局平局。這足以證明在響應質量上，InstructionGPT-4 明顯優于 MiniGPT-4。

消融研究

表 5 給出了消融實驗的分析結果，從中可以看出聚類算法和各種評估分數的重要性。

演示

為了深入了解 InstructionGPT-4 在理解視覺輸入和生成合理響應方面的能力，研究者還對 InstructionGPT-4 和 MiniGPT-4 的圖像理解和對話能力進行了對比評估。該分析基于一個顯眼的實例，涉及到對圖像的描述以及進一步的理解，結果見表 6。

InstructionGPT-4 更擅長提供全面的圖像描述和識別圖像中有趣的方面。與 MiniGPT-4 相比，InstructionGPT-4 更有能力識別圖像中存在的文本。在這里，InstructionGPT-4 能夠正確指出圖像中有一個短語：Monday, just Monday.

更多細節請參見原論文。

onfigureDefender 是一個便攜式應用程序，旨在幫助用戶在 Windows 10/11 和 Windows Server 2019+ 系統上查看和配置 Windows Defender 的重要設置。它提供了一個簡單的圖形界面，通過使用 PowerShell 命令（除少數例外外）來修改 Windows Defender 的設置。

這個工具的主要優點包括：

1. 便攜性：無需安裝，直接運行可執行文件即可使用，非常方便。
2. 用戶友好：提供了直觀的界面，使用戶可以輕松查看和更改 Defender 的保護級別和其他設置。
3. 高級配置選項：除了預定義的保護級別（如默認、高、交互式和最大），還可以通過直接編輯注冊表或使用 PowerShell 命令進行更深入的設置調整。
4. 指定保護級別：允許用戶根據其需求選擇不同的保護級別，包括非常嚴格的 MAX 級別，盡管這可能導致家庭環境中的誤報增多，不建議在商業環境中使用。

ConfigureDefender 是一個方便且功能強大的工具，特別適合那些希望更好地控制其系統安全性設置的用戶。

ConfigureDefender 的功能主要可以分為以下幾個方面：

1. 查看當前設置：
2. 顯示當前 Windows Defender 的各項設置和配置，包括實時保護、云保護等。
3. 修改保護級別：
4. 提供預定義的保護級別選項，如默認、高、交互式和最大。用戶可以根據需要選擇不同的保護級別來調整系統的安全性設置。
5. 更改特定設置：
6. 允許用戶針對特定的 Windows Defender 設置進行修改，例如：攻擊面縮減（Attack Surface Reduction）受控文件夾訪問（Controlled Folder Access）云級別（Cloud Protection Level）智能屏幕（SmartScreen）
7. 高級選項：
8. 提供了更深入的設置選項，如直接編輯注冊表或使用 PowerShell 命令來調整 Windows Defender 的行為。
9. 便捷性和用戶友好性：
10. 作為便攜式應用程序，不需要安裝即可運行，界面簡單直觀，使得用戶可以輕松地管理和調整 Defender 的設置，而無需深入了解復雜的操作系統配置。

通過這些功能，ConfigureDefender 提供了一個簡單而有效的方法來管理和優化 Windows 系統的防護功能，幫助用戶在不同的安全需求下靈活配置其電腦的防護策略。

ConfigureDefender 的底層原理涉及以下幾個方面：

1. 圖形用戶界面：
2. ConfigureDefender 提供了一個用戶友好的圖形界面，通過這個界面用戶可以直觀地查看和修改 Windows Defender 的各項設置。
3. PowerShell 命令：
4. ConfigureDefender 主要通過執行 PowerShell 命令來修改 Windows Defender 的配置。這些 PowerShell 命令調用了 Windows Defender Security Center API 或直接修改相關的注冊表項，從而實現對 Defender 設置的調整。
5. 調用 Windows Defender API：
6. 部分功能可能通過調用 Windows Defender Security Center API 來實現，這些 API 允許程序訪問和修改 Windows Defender 的行為和設置。
7. 修改注冊表：
8. 在某些情況下，ConfigureDefender 可能直接修改注冊表中與 Windows Defender 相關的項，以達到配置 Defender 的目的。
9. 管理權限：
10. 為了能夠執行這些操作，ConfigureDefender 可能需要管理員權限，以便修改系統級的設置。

ConfigureDefender 利用簡單的圖形界面和底層的 PowerShell 腳本來操作，通過調用 Windows Defender API 或直接修改注冊表項，以實現對 Windows Defender 各項功能和設置的管理和調整。

ConfigureDefender 的架構主要包括以下幾個方面，雖然具體的架構細節可能會因版本更新而有所不同：

1. 前端界面：
2. ConfigureDefender 提供一個用戶友好的前端界面，通常采用圖形用戶界面（GUI），用于顯示當前的 Windows Defender 設置，并允許用戶進行配置選擇。
3. 配置文件：
4. 可能存在配置文件或數據文件，用于存儲和管理不同的 Windows Defender 設置選項。這些文件可以包括預定義的配置模板，例如默認、高、交互式和最大保護級別的設置。
5. PowerShell 腳本：
6. ConfigureDefender 的核心部分是一系列 PowerShell 腳本。這些腳本負責執行實際的設置更改操作。它們可以通過調用 Windows Defender Security Center API 或直接操作系統的注冊表來修改 Defender 的設置。
7. 管理權限：
8. 由于需要修改系統級別的設置，ConfigureDefender 可能需要用戶擁有管理員權限才能正常運行。
9. 便攜式應用程序：
10. ConfigureDefender 通常設計為便攜式應用程序，無需安裝即可運行。這種設計使得它可以輕松地在各種 Windows 系統上使用，而不需要額外的配置或安裝步驟。
11. 更新和維護：
12. 架構可能還涉及到軟件更新和維護機制，以確保其能夠應對最新版本的 Windows Defender 和操作系統的變化。

ConfigureDefender 的架構以簡單的前端界面和強大的 PowerShell 腳本為基礎，通過管理好配置文件和權限控制，實現了對 Windows Defender 設置的靈活管理和定制。

ConfigureDefender 是一個專門用于管理和配置 Windows Defender 的工具，它的應用場景主要涉及以下幾個方面：

1. 個人電腦用戶：
2. 對于普通的個人電腦用戶，ConfigureDefender 提供了一個簡單的方式來調整 Windows Defender 的行為和設置，例如調整實時保護級別、掃描計劃、病毒和威脅防護設置等。這樣可以根據個人偏好或系統性能要求，靈活地配置防護策略，以保護電腦免受惡意軟件和威脅的侵害。
3. 系統管理員和IT專業人士：
4. 對于系統管理員和IT專業人員來說，ConfigureDefender 提供了集中管理和快速部署的能力。他們可以使用 ConfigureDefender 批量配置組織內所有計算機的 Windows Defender 設置，確保整個網絡中的設備都符合安全標準和最佳實踐。
5. 安全顧問和安全團隊：
6. 安全顧問和安全團隊可以利用 ConfigureDefender 對客戶或企業的安全架構進行評估和優化。他們可以根據需求調整 Windows Defender 的配置，以最大化安全防護，提高系統的安全性和抵抗能力。
7. 教育和培訓：
8. 在教育和培訓環境中，ConfigureDefender 可以用作教學工具，幫助學生和新手了解和學習如何配置和管理 Windows Defender。它提供了一個實用的案例來展示如何使用 PowerShell 腳本進行系統管理和安全配置。
9. 研究和開發：
10. 在安全研究和開發領域，ConfigureDefender 可以用來測試和驗證不同的 Windows Defender 設置對系統安全性的影響。研究人員可以使用它來評估各種配置對性能和安全性的影響，為未來的安全解決方案開發提供數據支持。

ConfigureDefender 的應用場景廣泛，適用于個人用戶、企業組織以及教育和研究領域，它為用戶提供了一個方便和高效的工具，用于管理和優化 Windows Defender 的防護功能。

安裝說明 ConfigureDefender是一個便攜應用程序，無需安裝。請下載并運行可執行文件ConfigureDefender.exe - 該應用程序兼容Windows 32位和Windows 64位操作系統。

簡短的程序描述 ConfigureDefender實用工具是一個小型GUI應用程序，用于查看和配置Windows 10/11以及Windows Server 2019+上的重要Defender設置。它使用PowerShell命令（除了少數例外）來更改Windows Defender設置。此外，用戶可以應用三種預定義的保護級別：DEFAULT（默認）、HIGH（高）、INTERACTIVE（交互式）和MAX（最大）。更改其中一個保護級別需要重新啟動才能生效。

使用最大保護級別 最大保護級別通過攻擊面縮減、受控文件夾訪問、智能屏幕（設置為阻止）和云級別（設置為阻止）來阻止任何可疑活動。這些設置非常嚴格，在家庭環境中可能會產生許多誤報。不建議在商業環境中使用此設置。

高級用戶 一些關于配置Defender的可能方法的重要說明（供高級用戶參考）。

Windows Defender設置存儲在Windows注冊表中，大多數設置在Windows Defender安全中心中不可用。可以通過以下方式管理它們：

組策略管理控制臺（gpedit.msc在Windows家庭版不可用） 直接編輯注冊表（手動、通過*.reg文件或腳本） PowerShell命令（set-mppreference、add-mppreference、remove-mppreference，PowerShell 5.0） Windows Defender注冊表鍵 通常，Windows Defender將大多數設置存儲在以下注冊表鍵中（由SYSTEM所有）：

Computer\HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Windows Defender 可以使用Defender安全中心或PowerShell命令更改這些注冊表鍵。

通過組策略管理控制臺（GPO）覆蓋設置 管理員可以使用Windows組策略管理控制臺（GPO）工具覆蓋某些Windows Defender注冊表值。組策略設置存儲在另一個鍵中（由ADMINISTRATORS所有）：

Computer\HKEY_LOCAL_MACHINE\SOFTWARE\Policies\Microsoft\Windows Defender 請注意，GPO不會刪除普通的Defender設置！

版本 4.0.0.1

• 更新了證書（2024年7月）。
• 調整了代碼以適應Windows混合硬化。

版本 4.0.0.0

• 添加了鼠標滾輪滾動功能。

版本 3.1.1.1（2023年7月的新證書）- 無功能變更。 版本 3.1.1.1（2022年7月的新證書）- 無功能變更。

1. 當前應用程序二進制文件來自版本3.0.1.1 + 更新的證書。應用程序窗口仍顯示舊版本3.0.1.1。

版本 3.0.1.1

1. 增加了對Windows Server 2019+的支持。

版本 3.0.1.0（1-10點已包含在beta 2版本中）

1. 在幫助和手冊中添加了一些有用信息。
2. 在自動樣本提交中添加了“全部發送”設置。
3. 更新了ASR規則（增加了1條新規則）。
4. 在ASR規則中增加了警告模式。
5. 添加了交互式保護級別，使用設置為警告的ASR規則。
6. 在保護級別按鈕旁邊添加了<信息>按鈕。它顯示了在默認、高、交互式和最大保護級別中啟用了哪些設置。
7. 稍微重新設計了Exploit Guard部分的布局。
8. 添加了對Windows 11的支持。
9. 添加了對事件Id=1120的支持。如果應用了適當的策略，Windows可以記錄此事件。如果用戶通過注冊表調整或GPO手動應用了此策略，則與Id=1120相關的事件也將包含在“Defender安全日志”中。
10. 添加了CFA設置BDMO=僅阻止磁盤修改 - 文件夾不會受保護，但仍會保護一些重要的磁盤扇區（Id=1127）。
11. 修正了與顯示空日志相關的小錯誤。

版本 3.0.1.0（點1-10已包含在beta 2版本中）

1. 在幫助和手冊中添加了一些有用的信息。
2. 在自動樣本提交中添加了“全部發送”設置。
3. 更新了ASR規則（新增了1條規則）。
4. 添加了ASR規則的警告模式。
5. 添加了交互式保護級別，使用設置為警告的ASR規則。
6. 在保護級別按鈕旁邊添加了<信息>按鈕。它顯示了在默認、高、交互式和最大保護級別中啟用了哪些設置。
7. 稍微重新設計了Exploit Guard部分的布局。
8. 添加了對Windows 11的支持。
9. 添加了對事件Id=1120的支持。如果應用了適當的策略，Windows可以記錄此事件。如果用戶通過注冊表調整或GPO手動應用了此策略，則與Id=1120相關的事件也將包含在“Defender安全日志”中。
10. 添加了CFA設置BDMO=僅阻止磁盤修改 - 文件夾不會受保護，但仍會保護一些重要的磁盤扇區（Id=1127）。
11. 修正了與顯示空日志相關的小錯誤。

版本 3.0.0.1

1. 向一些按鈕添加了提示文本功能（<刷新>、<默認>、<高>、<最大>）。
2. 移除了向任務欄通知區域添加圖標的功能。
3. 從Defender安全日志中移除了事件Id=5007。

版本 3.0.0.0

1. 修正了當“Defender安全”日志為空時的錯誤。
2. 從Defender安全日志中移除了事件Id=1117。
3. 將日志中條目的最大數目擴展到300。
4. 將高保護級別中的“云時間檢查限制”從10秒擴展到20秒。
5. 添加了DLL劫持保護 - 64位和32位安裝程序通過NSISS封裝為一個安裝程序。
6. 修正了一些小bug。

版本 2.0.1.1

1. 添加了額外的ASR規則：“通過WMI事件訂閱阻止持久性”。
2. 進行了一些GUI改進。

版本 2.0.1.0

• ConfigureDefender可執行文件現在使用Certum開源代碼簽名證書進行數字簽名。