归档
时光荏苒，文字留痕
共 141 篇文章
让大模型“睡觉”：Google 用睡眠机制解决持续学习的老问题
Google Research 10月27日博客提出sleep框架：模型清醒期处理请求并存短期记忆，睡眠期停止输入，专注记忆巩固与自我改进，以化解上下文学习“会话即忘”和持续微调“学新忘旧”。睡眠期解锁MoE记忆块，把短期记忆蒸馏进稳定参数并重置临时参数；同时随机激活专家生成合成样本、筛选后微调。BABILong千万token规模近满分，事实注入、数学推理和连续翻译遗忘更少。企业宜将高频数据走检索，把长期口径、术语和话术固化进提示、微调样本或规则库，分清长期与临时记忆更省成本。
官方扩展也会被投毒：Claude Code 插件里的 SSH 后门，给所有团队提了个醒
安全公司披露，官方 Claude Code 的 VS Code 扩展包在 Cursor 应用市场遭篡改，被植入持久化 SSH 后门；Cursor 已下架对应版本并撤回 2.1.313。恶意代码插在 extension.js 开头，加载即执行，依次尝试开启远程登录、写入攻击者公钥并做持久化。macOS 上还因权限查询误判而跳过启用 SSH，但公钥和持久化文件仍落盘。事件提醒开发者插件以用户权限运行，团队应建立插件台账、锁版本，把开发机当生产环境检查远程登录与自启项，并将开发工具链纳入交付环境清单。
把整条产线换成一个机器人：小批量打样为什么突然快了一倍
CircuitHub公开运行五年的The Grid：用磁悬浮搬运机器人和AI调度，让每块板独立排队、走自己的路线，取消换线与前置设置，使“百种设计各一件”和“一种做百件”排产趋同。案例中，5块四层电机控制板含118个元件（38种），走The Grid为4天630美元；深圳快板中位9天约465美元（含运费关税）。关键不在更便宜，而在用约165美元换5天工程时间。文章由此启发企业数字化：共性做成工位，差异交给调度，减少项目换型；同时提醒厂商自发布数据口径需自行核算。
八张证书的私钥谁都能算出来：浏览器七天修完，命令行工具还在等
研究发现，八张eMudhra中间证书的密钥对生成有误，任何人可从证书还原私钥并签发“可信”证书；其上挂根受四大根证书计划信任，可被用于中间人攻击。浏览器等已较快屏蔽，但curl、Electron、锁版本运行时及macOS自带相关命令仍可能信任，macOS更新还可能恢复被删根证书。读者可用指定域名检测信任库；企业应升级系统信任库和客户端，屏蔽离线锁版本机器，单独处理Java cacerts，并把根证书版本检查列入运维清单。
Google 新模型不谈聪明，谈两件事：跑得久，和别越界
10月28日，Google DeepMind发布Gemini 4 Carbon，定位网络安全与长程任务。Artificial Analysis智能指数59分居首，测试得分88.2%、54.8%、71.0%。官方称连跑数天，遇阻能绕出，处理大代码库和底层系统缺陷；越界、欠服务降26%、29%。Carbon基于Gemini 4 Argon，先供网络防御方后开放。评估AI进流程应看其守边界、自主走完，并把验收标准、改动范围和回滚写进流程而非提示词。
JPEG XL 终于进了所有主流浏览器，但它没赢过 AVIF
JPEG XL到2026年10月才落地主流浏览器，但实测显示AVIF通常更小：有损照片默认强度下最优JXL仍大15%—25%，拉满后差6%—20%，个例可反超；截图和插画AVIF明显占优，JXL默认大30%—90%，有损AVIF足够；透明图AVIF优势最大。编码器影响不亚于格式，jixel常更小却可能“刷指标”；libjxl提高强度基本无益。AVIF的4:2:0默认值不可信，建议4:4:4。落地应按场景用AVIF，JXL留给个例，并按显示尺寸出图，核心是默认值不可信、按场景测试。
90% 的工作时间，AI 评测根本没覆盖到
Mercor用O*NET的923种职业、18797项任务映射现有AI评测，发现仅924项任务被覆盖，208种职业有“同一任务至少5道题”的评测，22个大类中6个没有。覆盖偏向计算机、金融等大市场，并与职业工资总额、任务AI暴露度正相关；这意味着美国90%工作时间花在评测几乎未覆盖的任务上。企业选型不能只看榜单，应先划出高频、高价值、结果可判定的任务，每环节用20—50条真实样本和明确判定条件自建小评测，比较候选模型。小团队可从最耗时的三类任务各抽20条脱敏案例开始，一两天完成，得到可量化合格率，并统一“做好”的标准。
三十年没人说清的密码学悬案，Claude 用半小时解了出来
NIST标准ECDSA曲线种子由NSA提供且无生成记录，长期引发是否藏弱点的猜测。2026年10月，Anthropic让内部推理模型在无线索下溯源，Claude不到半小时发现P-192至P-521五条曲线的种子并非哈希输出，而来自C标准库lrand48伪随机数生成器，以时间戳为初始值。Anthropic称这终结多年猜测，但无需采取行动。模型的价值在于处理答案唯一、可严格验证但搜索路径长的“考古”问题；企业可用历史代码、记录和日志让模型提出假设并复现验证，接手遗留系统时先梳理来历并产出可运行测试。
自己写一个容器运行时之后，我才明白 Docker 有多怪
文章指出容器不是轻量虚拟机，而是受内核机制约束的宿主机普通进程，由命名空间、cgroup、网络隔离和文件系统组成；镜像只是文件夹，运行时通过chroot等将其变成根目录。runc用Go实现别扭在于多线程运行时、缺少真正fork，需靠C模块和再次exec自身模拟。作者建议亲手实现常用工具来学习；企业应准确说“进程加隔离”，排障先查根目录、进程视图和资源限制，安全边界不能全押容器，并可用自研工具把黑盒变白盒。
把测试变成数学证明：Claude 给 123 个开源库写出了「永不崩溃」的证明
Anthropic与Theorem合作，用Claude在汇编层为123个真实开源库证明安全属性，称首次在汇编层对生产软件做大规模形式化验证。证明在输入小于64MB等限定下，程序总正常退出，不踩内存、不触发断言失败；方法是将OSS-Fuzz入口的“永不崩溃”规则转为数学规格，由Claude写证明、Rocq校验。这能降低证明成本，并发现模糊测试跑上万亿次仍漏掉的问题。限制是只证底层安全属性，不管业务逻辑，还需防范模型作弊并信任检查器、编译器、硬件和语义模型。企业可优先验证解析、金额、接口等关键环节，把形式化规格纳入验收，并升级AI产码后的审查。