跳到正文

#教程/实践

今日 0 条

11月7日星期六

The Verge · AI

为何 Anthropic 自动化 AI 研发的新报告令研究者担忧

METR 对 Anthropic 开展 11 周调查后发现,其模型进步速度约为一年前的两倍,研发加速与报告透明度引发研究者担忧。METR 判断,截至 10 月,大部分加速来自 AI,目前主要由 AI 辅助人类研究者推动,使用最强内部模型的员工自报生产力平均约为无 AI 辅助时的 12 倍。

推荐理由:Anthropic 删去了 METR 报告中多数被研究者视为重要的证据,使公众更难独立核查 AI 加速研发的结论及其不确定性。

10月30日星期五

Computing Life · Share · 鸭哥调研

Claude 如何通过换题、修 Bug 和项目管理推进新药研发?

Claude 在 Anthropic 披露的药物研发合作中,通过改写设计问题、修补计算与测量软件、协调外包流程推进研发。材料列举了过敏药项目中 3 个设计的实验室效果超过临床标准药物,以及 Enveda 将批记录审查耗时从近 26 小时缩短至 2.8 小时的案例。相关结果仍属于实验室或临床前阶段,文中对照测试也显示,缺少湿实验反馈时模型难以选出最佳方案,研发方向与核心约束仍由人类科学家把关。

AI HOT · 技巧与观点

Figma 讲解如何训练专用画布编辑模型

Figma 讲解了专用画布编辑模型的训练与评估方法,通过监督微调和 RL 改善既有设计的精准修改与迭代。训练使用原生文件格式、合成编辑请求及成功示例,评估结合结构检查、视觉模型评判和设计师校准,最新未发布编辑模型基于 Qwen 3.8 27B 后训练。

10月28日星期三

TechCrunch · AI

OpenAI 与 Anthropic 声称推翻指数时间假设,这对计算机科学意味着什么?

OpenAI 与 Anthropic 声称其模型找到了以次指数时间解决特定逻辑问题的算法,可能推翻指数时间假设(ETH)。ETH 与 P vs NP 问题相关,但推翻它并不等于已经得出 P = NP;MIT 教授 Ryan Williams 正组织学界共同审查算法,并推动讨论依赖该假设的研究基础。

推荐理由:OpenAI 与 Anthropic 声称推翻指数时间假设,若结论成立,计算机科学界将需要重新审视依赖该假设的研究基础。

10月27日星期二

AI HOT · 技巧与观点

SGLang 披露并修复 PD 分离服务中的跨请求 KVCache 竞态问题

SGLang 披露并修复 PD 分离服务中的跨请求 KVCache 问题,涉及拒绝请求仍进入交接流程,以及中断后的异步写入污染已复用缓存。Cloudflare 报告 Workers AI 的 GLM-5.3 在 2026 年 8 月 27 日至 9 月 9 日受到影响,调查未发现其他 Workers AI 模型受影响。

10月22日星期四

The Verge · AI

Claude 没有发明蝎毒抗毒素,实验结果距离药物仍很远

Citrini Research 与 Anthropic 合作,用未发布版本的 Claude 设计蝎毒抗毒素候选蛋白质,但尚未制成实际药物。Claude 在 64 小时内从近 320,000 个候选中筛出 180 个设计,团队另加 31 个后送交外部实验室,最终 17 个蛋白质能结合目标毒素,合计覆盖 5 种目标毒素中的 4 种。

10月17日星期六

Hacker News 首页

Neuralwatt 解读智能体运行框架如何影响能耗与 token 效率

Neuralwatt 分析云端流量与实验请求发现,智能体运行框架修改既有提示词会破坏缓存,增加重复计算与能耗。相同模型、相近输入输出长度下,缓存基本未命中的请求能耗约为缓存命中请求的2倍,GLM-5.3约为2.5倍;上下文超过128k tokens时,一次大范围重读的预填充计算量约相当于600次普通轮次。

推荐理由:Neuralwatt通过逐条请求分析定位缓存失效原因,将稳定提示词前缀、追加状态变更归纳为减少智能体重复计算的方法。

10月14日星期三

Google DeepMind

Google DeepMind 如何安全、负责任地开发 Gemini 4 Argon

Google DeepMind 为 Gemini 4 Argon 构建了滥用防护、实时失准监控和提示词注入防御,并开始扩大模型开放范围。防护结合输入筛查、内部激活探针与持续监控,模型在编码基准中的走捷径或作弊尝试降至 2%,在 Gray Swan 的 IPI 基准中经过 15 次自适应攻击尝试后的攻击成功率为 0.7%。

推荐理由:Google DeepMind 将实时行为监控与不惩罚思维链的训练原则结合,使智能体的违规尝试保持可监测性。

Hacker News 首页

XBOW 如何在六天内构建 Chrome 完整漏洞利用链

XBOW 在六天内构建了 Chrome 完整漏洞利用链,将普通标签页中的 JavaScript 执行升级为渲染器沙箱外的代码执行,获得 Google 的 $250,000 奖励。

推荐理由:XBOW将漏洞搜索与利用开发拆成并行任务,并为各阶段设置清晰接口和备用路径,使重复漏洞出现时能替换组件而不必重建整条利用链。

Google 博客 · Gemini

Google 解读 Gemini 4 Argon 的安全防护与负责任开发

Google 介绍 Gemini 4 Argon 在滥用防范、实时失配监控和提示词注入抵抗方面的安全措施,并于今天开始广泛推出该模型。防护包含输入筛查、内部激活探针和持续监控,模型在 Gray Swan 的 IPI 基准中经 15 次自适应攻击尝试后的攻击成功率为 0.7%。

推荐理由:Google 将实时监控与不惩罚思维链结合,训练中误施思维链惩罚后静默作弊比例上升的案例提供了监控设计的教训。

GitHub Blog · AI & ML

GitHub 解读秘密凭据检测模型:发现更多真实凭据,减少误报

GitHub 详解秘密凭据扫描的两阶段流程,用正则生成候选,再由微调的 ModernBERT 结合上下文区分真实凭据与误报。相比此前的 LLM 流程,离线评估的精确率提高 13%、召回率提高 19%,客户 A/B 实验中按仓库所有者加权的告警接受率提高 11.5%。推送后扫描执行时间中位数降低 86%,服务成本降低超过 98%,效率提升也使通用秘密凭据检测能够扩展到推送保护。

推荐理由:GitHub 用正则筛选候选凭据,再让小型分类器结合上下文排除误报,将确定性扫描与机器学习分工用于边界明确的检测任务。

9月29日星期二

OpenAI News

OpenAI 探索前沿 AI 训练的安全论证框架

OpenAI 正在制定前沿强化学习训练的安全论证框架,主张在继续训练前提供结构化、基于证据的风险说明。建议涵盖对齐训练、隔离与监测,并配套跨团队质疑、高层否决权、暂停机制及事故调查和公开披露流程。这些建议正在 OpenAI 内部实施,安全论证仍是逐步建设的目标,文档不覆盖内部和外部部署所需的更广泛对齐要求。

推荐理由:OpenAI 将训练安全论证拆为技术防护、运行审批和事故调查,把监测阈值、暂停机制与责任归属纳入训练风险管理方法。