跳到正文

全部动态

今日 5 条

10月26日星期一

Hacker News 首页

安全团队须知:智能体使用 abliterated 模型的风险与检测

Anthropic 测试显示,对 GLM-5.3 做 abliteration 后可 100% 遵从恶意网络攻击指令,且该过程只对开放权重模型有效,对纯 API 访问的 Claude 无效。安全团队需依靠中立第三方在动作层设置自定义策略,并对异常行为做智能体审问,同时通过绑定 API 调用与进程、用户和目的主机来发现 Shadow AI 中的 abliterated 模型连接。

AI HOT · 技巧与观点

编程智能体如何使用已登录 Chrome:六种方案实操指南

编程智能体可通过浏览器扩展或远程调试连接已登录的 Chrome,指南比较了六种方案的配置、兼容性与权限范围。

推荐理由:Browser Use 对比了六种接入已登录 Chrome 的方案,明确区分指定标签页与整个浏览器的访问范围及各自的授权条件。

Hacker News 首页

上下文工程现状分析:长上下文与长任务智能体的故障和修复

上下文工程正从手动编写提示词转向由智能体运行框架动态管理信息,长上下文和长任务能力也带来了新的故障。演讲梳理上下文污染、分心、混淆与冲突,以及训练环境偏置和上下文惯性,并用 DSPy 演示工具筛选、子智能体隔离、历史裁剪与摘要压缩。演讲者预测,长期运行的个人智能体会积累相互冲突的技能与记忆,策略性遗忘将成为下一阶段的上下文管理问题。

推荐理由:演讲将上下文故障对应到工具筛选、历史裁剪与定期清空等工程措施,把长任务智能体的调试落实到上下文管理。

10月25日星期日

The Decoder

Anthropic称按需加载上下文的单智能体常优于多智能体架构

Anthropic基于多次企业部署建议评估合并子智能体,称按需加载上下文的单智能体常在质量、成本和延迟上表现更好。在一项比较中,单智能体运行速度约为多智能体的2倍;公司已在GitHub发布迁移套件,帮助团队识别现有模式、评估替代方案并验证结果。

推荐理由:Anthropic在多次企业部署中比较智能体架构,发现按需加载上下文的单智能体常在质量、成本和延迟上优于多智能体。

Computing Life · Share · 鸭哥调研

Anthropic 如何用 Claude 将形式化验证从手工作坊推向算力工业

Anthropic 与 Theorem 让 Claude 搜索形式化证明,并用 Rocq 检查器核验,为 123 个开源库的 239 个模糊测试入口提供无崩溃保证。

推荐理由:Anthropic 与 Theorem 将搜索循环不变量交给 Claude,将规格定义与可信基座审计保留为人工责任。

Hacker News 首页

Cerebras 如何用 59 片 WSE-3T 晶圆部署 3T 参数 Kimi K3

Cerebras 披露在 WSE-3T 晶圆上部署万亿参数模型的方法:以约 3T 参数的开源模型 Kimi K3 为例,将 69 层线性注意力层与 24 层稠密层分布到 59 片晶圆,实现 1000-2000+ tokens/s 的推理速度。每片晶圆有 44 GB 片上内存,单层约 16 GB,模型权重常驻片上、仅激活值经 RDMA over Ethernet 在晶圆间传递,每跳约 2 微秒。

Hacker News 首页

三星电视获取 root shell

有研究者公开了在三星电视上获取 root shell 的方法,相关讨论在 Hacker News 获得 403 分、143 条评论。原文未披露具体电视型号、固件版本与利用细节。

10月24日星期六

Hacker News 首页

技术拆解:Block Blast 如何通过操控玩家输局赚取广告收入

Ayo Omolewa 的技术拆解发现,Block Blast 从服务器下载规则,根据广告价格、观看记录和玩家分数请求无法完成的方块组合。测试中的规则要求最近 3 次激励广告均完成、待播放广告价值达到上次的 3.5 倍,且分数超过历史纪录 1,000 分;iPhone 实测还捕捉到另一条规则触发无解发牌。

Hacker News 首页

systemd-nspawn 容器入门指南(2025)

systemd-nspawn 是基于 Linux namespaces 的轻量级容器技术,与 Docker 类似,但通常使用可写根文件系统,更像虚拟机。作者用它隔离运行 Ollama 和 Open WebUI 中的自托管 LLM,以便在无法嵌套虚拟化的 VPS 上共享 GPU 访问。

Hacker News 首页

用动画理解系统:AWS 工程师用 Kiro 和 Opus 5.5 演示 Postgres、etcd 的亚稳态故障

AWS 工程师 Marc Brooker 用 Kiro 和 KiroCrew(主要基于 Opus 5.5)生成动画,演示真实系统中由负载尖峰触发的亚稳态故障。示例包括真实 MicroVM 中 Postgres 16 在 20 查询/秒负载下因查询占用 12MB 内存而变慢,以及 etcd 在写入过载和读负载从 500 升至 1000 次/秒时陷入 GC 自强化循环、无法自行恢复。

Hacker News 首页

Show HN:在含随机性的解谜游戏 Drop7 中搜索最优策略

一项针对 Drop7 的自主策略研究显示,基于 n-tuple 查表的评估器在深度 3 搜索下、512 局未见过的公开开发局中平均得分 487,066,比同一搜索内手工评估函数(326,717)高出约 16 万分。该结果于 2026-09-05 首次在 screen 层级击败冻结的公平评估叶,次日以 SHA-256 校验的同一查表复现,但仍远低于百万分目标,尚未进入资格赛。

Google 博客 · Gemini

5 位开发者如何用 Gemini 4 Argon 构建三维模拟与多人游戏

Google 展示了社区开发者使用 Gemini 4 Argon 构建的 5 个项目,涵盖三维模拟、实时数据可视化和多人浏览器游戏。案例包括水上飞机模拟、结合 NASA 野火数据与美国地质调查局地震数据的交互地球仪、喷气发动机模拟、由单张图像生成的交互式马车,以及多人夺旗游戏 Backyard Rascals。

Hacker News 首页

用 HTML 文件替代 $150k 的 Looker,公司自建 BI 平台可行吗?

一家公司的 3 名数据平台工程师用 Claude 自建 HTML 仪表盘平台,8 个月后周用户数已接近或超过公司内部 Looker,后者使用量下降约三分之一。平台复用 Snowflake 用户权限和 dbt 语义层,并通过隔离 iframe、凭据隔离及发布后检查处理任意 JavaScript 带来的安全风险。

推荐理由:一家公司的数据平台团队用 Claude 构建 HTML 仪表盘平台,复用 Snowflake 权限与 dbt 语义层来减少自建范围。

Computing Life · Share · 鸭哥调研

从 iSH 到 Open Minis:手机 Shell 已有多年,智能体运行时带来了什么

Open Minis 在 iSH 的 Linux 用户态环境上加入智能体运行时,让模型串联本地脚本、内置浏览器与 iOS 原生接口。它没有运行独立的 Linux 内核,受 iOS 限制采用解释执行;作者在 iPhone 上观察到部分工具调用失败,后台挂起、内存管理和授权也限制了任务执行。文章提出将手机的现场感知与长期智能体的记忆规划分层连接,通过主动推送和按需拉取接续跨端任务,而非仅同步技能文档。

10月23日星期五

Hacker News 首页

Rule 30 从单个黑格生长:Wolfram 悬赏七年的三个问题仍未证明

Stephen Wolfram 于 2019 年 10 月 1 日为 Rule 30 中心列设下总额 3 万美元的三个悬赏问题,七年过去三个问题全部仍未解决。Rule 30 由 00011110 这一条规则逐行生成,左侧呈规则条纹、右侧永不收敛,中心列已计算十亿个格子并通过标准随机性检验,但无法证明其是否非周期、两色是否等频、第 n 个格子是否至少需 n 步计算。

10月22日星期四

Hacker News 首页

Switch 2 越狱解析:ns2jb 如何实现系统模块代码执行

ns2jb 为运行固件 23.0.1 的 Switch 2 提供纯软件、需重新触发的越狱,可执行任意普通系统模块及内置 fs 系统模块权限的原生代码。开发者详细解释了从 SmileBASIC 漏洞到 fs 任意读写、再到代码执行的攻击链,可用于运行自制程序、修改游戏及备份存档。

Hacker News 首页

Minotaur 如何不用 LLM 实现 AI 式推理

Minotaur 是一个不依赖语言模型和 GPU 的 AI 架构,基于 ELC 通过测量而非预测来推导答案,在单个普通 CPU 核心上每题约 0.25 秒完成演绎、归纳、溯因、诊断、信念修正等推理。在未见其代码的人设计的盲测中,它在提问会改变证人记忆的警察审讯场景,以及仅凭数据学习、诊断和预测系统等任务上,表现与当前用文字推理的语言模型相当。

Hacker News 首页

WorldTUI 将 360M 参数模型训练成模拟终端

WorldTUI 基于 Qwen2.5-Coder-0.5B 微调,用 360M 参数模型根据按键预测终端屏幕变化,背后没有真实 shell 或文件系统。训练使用 336k 段真实终端会话,并通过错误修复训练改善一致性,通过并行生成屏幕行和顺序验证加速推理。

10月21日星期三

Latent Space

Claude Mods 实践解读:如何让 Claude Code 的运行框架面向人的注意力

Claude Mods 允许用户用 TypeScript 或 JavaScript 定制 Claude Code 的交互,Dan McAteer 通过实测展示了这一机制如何管理人的注意力。

推荐理由:Dan McAteer 用自建监督插件展示了按工作流定制提醒的方法,将触发条件、提示内容和后续操作交给用户设计。

Hacker News 首页

eMudhra 的 CA 私钥为何能在毫秒内被破解:弱密钥与客户端风险实测

eMudhra 的 8 个中间 CA 私钥仅有单字节取值,文章作者从公开证书中用不到 1 秒恢复了全部私钥。Chrome 和 Firefox 已封禁相关中间证书,但作者本地实测发现,默认配置的 curl、Python 和 Node 接受了为 api.stripe.com 伪造的证书,Windows CryptoAPI 在未开启吊销检查时也接受该证书链。

Simon Willison

Simon Willison 用 AI 编码打造 Battle Drones,即时战略游戏支持音频联机

Simon Willison 用主要由 Claude Code 完成的 321 次提交、12 轮重大迭代,打造了支持手机和桌面浏览器的即时战略游戏 Battle Drones。

推荐理由:Simon Willison 用 Claude Code 构建游戏并通过大量模拟对战调整平衡,将试玩反馈转化为持续迭代的依据。

AI HOT · 技巧与观点

Tessl 团队分享 AI 代码审查方法:从逐行阅读转向验证意图

Tessl 团队在合并的 PR 数量增至一年前的 4 倍后,将 AI 代码审查转向生成前确认意图、生成后逐项验证验收标准。审查者查看附有截图和请求轨迹的判定结果,团队将反复出现的审查意见转为机器执行的不变量规则。其工作流包含智能体相互质疑方案、记录意图、固化规则、讨论决策和明确规则所有权,团队称代码审查已不再是交付瓶颈。

10月20日星期二

Hacker News 首页

投机解码为什么快?关键在GPU工作类型而非计算量

投机解码之所以快,并非因为每个token的计算量更少——相同序列下总FLOPs反而更高,而是因为它把GPU从逐token解码时的内存受限状态转为计算受限状态,用闲置算力换取速度。在batch size远小于最优token数时,投机解码能利用"免费"算力加速;但batch较大时反而浪费算力,因此vLLM提供--speculative-disable-by-batch-size参数可关闭该功能。

Hacker News 首页

Vite+ 实践评测:统一 AI 智能体开发的工具链与验收流程

Vite+ 在作者为期三周、覆盖四个项目的实践中,通过统一命令减少了 AI 智能体、开发者与 CI 之间的工作流歧义。作者用 vp create 创建项目,以 vp check、vp test 和 vp build 验收,并要求保留一个锁文件、避免重复引入格式化工具。

Hacker News 首页

Benjamin Congdon 分析 AI 智能体监控的架构与运维潜力

Benjamin Congdon 基于变更点监控原型,分析 AI 智能体如何结合代码与可观测性数据检测生产系统回归。原型由智能体制定监控计划、确定性系统执行计划,再由智能体调查异常并升级给人工;作者发现这种架构比纯智能体循环产生更清晰的信号,且 token 用量显著降低。

GitHub Blog · AI & ML

如何在 VS Code 中继续 GitHub Copilot app 会话

GitHub Copilot app 会话可直接在 VS Code 中继续,保留原有任务、计划、对话、代码差异和工作树。教程说明如何通过 Open in VS Code 打开会话,逐行审查改动、继续与 Copilot 对话、手动编辑并运行本地测试。完成后在会话关联的分支上提交并推送,即可更新已有的 pull request,无需复制文件或手动重新关联。