搜索“其他”

我们确认了一起安全事件，涉及通过我们的 Cursor IDE 扩展市场访问的一个被篡改的 Claude Code VS Code 扩展，影响至多 5,000 名用户。该恶意版本的扩展并非由 Anthropic 开发。它不影响从 https://t.co/sJRGX5jLXW、Grok Bot、Grok 或我们其他 SpaceXSI 产品下载的其他扩展。 作为应对，我们于今天下午下架了我们的扩展市场，与相关服务商合作清除了恶意软件，并在确认不存在进一步风险后已恢复扩展市场上线。 如果您受到影响，请查阅本博文中的说明，了解如何找到该恶意软件包并建立缓解任何潜在影响的路径。我们要求所有客户更新到 Claude Code for VS Code 2.1.314 版本：https://t.co/ESqf7YEtHZ

匹配字段正文

php2shell”标签下，PHP中的问题让全世界如此揪心，以至于与此同时，证书颁发机构eMudhra一次同样极具危险性、动静不小的失误几乎被淹没。 与此同时，针对Brotli算法解压缩例程的一个同样高风险的漏洞也被公开。它起初在php2shell的阴影下同样鲜受关注，最初仅被归咎于Node.js项目，因而被称为Node2Shell。但实际上，该问题也影响了其他多种软件——如今已被戏称为Broccoli2Shell。 php2shell、Broccoli2Shell和“4”揭示了IT安全的症结所在 网络风险供应链：义务与防护概览 npm、PyPI和crates.io上的Trusted Publishing认证方式 AI应用的终止开关架构如何运作 IT中的危机管理：紧急情况下的角色与策略 深度伪造：信任需要数据来源 混合基础设施安全的三大支柱概览 OpenAI代理攻击Hugging Face 安全理念：在90天内引入最小可行零信任 不过，若有人在这波严重问题洪流中看到AI引发的“漏洞末日”（Vulnocalypse），那只能说部分正确。AI系统确实参与发现了其中一些问题——但也仅此而已。

匹配字段正文

AI的Codex等AI工具已无法从软件开发日常工作中想象其缺席。 结构化代码信号作为智能体QA系统的导航辅助 本地AI的局限：iPhone、Galaxy、Pixel和iPad能做到什么 然而，除了效率提升，AI的应用也带来新的风险和成本。来自三家德国科技公司的IT经理透露了他们如何应对。 以上是我们heise-Plus文章《用AI进行软件开发：IT经理谈效率收益、成本与风险》的试读部分。订阅heise-Plus即可阅读全文。 AI让复刻知名程序变得诱人地简单。但技术上可行的事，远非总是被允许。一份法律评估。 热泵还是区域供热？市政供热规划指明了方向。业主可以从中得出关于供暖和补贴的哪些结论。 雾气、晨露和斑斓的树叶：微距摄影专家Alexander Mett展示秋天如何成为微距摄影的最佳时节。 电力存入电池、送入电网和输往其他车辆：根据模型测算，货运公司通过双向充电可节省百分之十的能源成本。 借助AI，大型软件的克隆品如雨后春笋般涌现，聊天机器人直接自行接管其任务。但这究竟是否合理？一份分析。 借助版本2，Anomaly将这款开源编程智能体改造成了具备新功能的平台。但旧插件因此不再可用。

匹配字段正文

核心是对最底层的行为准则产生了根本性分歧——这项技术到底应该以怎样的方式被安全构建。 回顾这五六年的发展，大家其实能够清晰地观察到两家公司在路线选择上的本质不同：Anthropic一直在积极呼吁出台理性审慎的安全合规法案；我们把巨额研发资金投向底层机理探索，试图搞清神经网络内部的思维表征；同时我们公司维持着极高的团队稳定性，人才留存率在全行业最高，也没有出过其他AI公司出过的那些丑闻。这些事实已经足以说明两边的底层导向完全不同。 安全风险极其复杂，团队内部产生争执再正常不过。直到今天，我和Anthropic的其他联合创始人、一线核心工程师之间也经常发生激烈的技术争论。但我们之所以能把每一个分歧妥善解决，核心在于所有的争论都是基于“真诚”的前提。比如：新模型是现在发布还是多打磨几个月？生物安全的防御边界要卡得多严？我们该投入多大精力去游说推动安全监管，这些监管又该是什么样子？ 这些都是极其复杂的战略抉择，但团队内部互信彼此都在探寻对的答案，互信大家都在坦诚沟通。我之所以强调信任破裂，是想表达一个底线常识：如果你发现自己所处的环境里，各种争论不再是基于真诚的初衷展开，你甚至无法确认对方说的

匹配字段正文

累，增速回落。考虑到2026年3季度，Ａ股市场在强势表现近１年又３个季度后，出现明显调整，后者显然受阶段性的市场环境影响更明显。 高股息资产是“压舱石” 值得注意的是，虽然受三季度权益市场调整影响，平安归母净利润为966亿元（同比下降27.3%）。但在投资端，平安的前瞻性资产布局依然贡献明显。 平安通过重仓优质高分红股票作为“压舱石”，前三季度高分红OCI（其他综合收益）股票贡献了超580亿元的税前浮盈。这部分收益虽不计入当期利润，但大幅增厚了净资产。 数据显示，平安10年平均综合投资收益率达到4.9%，远超其4.0%的内含价值长期投资回报假设。 另外，截至2026年9月30日，集团归母净资产10,443.66亿元，较年初增长4.4%，资本实力保持稳定。 主营业务多板块协同 作为综合金融巨头，平安各大核心业务板块在2026年前三季度均交出各自的答卷： 寿险及健康险领域：借由多渠道转型深化，产品结构优化，新业务价值（NBV）达到310亿元。 财产险方面：前三季度整体保费收入达2652亿元，同比增长3.5%，其中新能源车险保费较快增长，增速达21.2%。整体综合成本率优化1.4个百分点至9

匹配字段正文

新研究称AI模型使用成本受不同语种影响，Token消耗量最高可相差17倍IT之家下载客户端 独家抢先看2026年10月30日 12:27:13 来自山东Updated 2026年10月30日 12:50:44 IT之家 10 月 30 日消息，使用人数较少的语言的用户，使用 AI 服务时，可能需要支付比英语及其他主流语言用户更高的费用。 当地时间 28 日，据外媒 Rest of World 报道，人工智能语言公平研究联盟上月发布的一项研究发现，AI 模型处理不同语言时，消耗的 Token（词元）数量可能相差悬殊。 Token 是 AI 模型处理文本等数据的基本单位，由分词器将文本、图像或音频拆分而成。研究人员将不同语言因此产生的额外成本称为隐性的“分词器税”，网络内容较少的语言尤其容易受到影响。 研究发现，即使是互联网上最常用的 20 种语言，Token 消耗量也存在明显差异，最高是最低的 1.5 至 5 倍。如果将测试范围扩大到 200 种语言，差距还会进一步扩大。在其中一个 AI 模型中，不同语言的 Token 消耗量最多相差 17 倍。 研究报告指出，班加罗尔的一家初创企业每次

匹配字段正文

（24 种语言）：平均错误率 5.89%，SIM 0.754。 在 CV3 上，Audio8 优于 VoxCPM2（5.35%）、CosyVoice3-1.5B（6.89%）和 Qwen3-TTS-1.7B（7.73%）。在 MiniMax 上，Qwen3-TTS-1.7B 得分为 27.41%，但它官方仅支持 24 种测试语言中的 10 种。 更大的模型在其他方面仍然领先。Higgs TTS 3 报告在 CV3 上为 4.41%，在 MiniMax 上为 2.74%。Qwen3-TTS-1.7B 在 Seed-TTS 上平均为 1.01%。Edge0 自己称其表格为参考比较，因为评估流程和文本归一化不同。 它与其他开源 TTS 模型相比如何？ 特性Audio8-TTS-RealisticQwen3-TTS-12Hz-1.7B-BaseVoxCPM2Higgs TTS 3 规模0.6B（不含编解码器）1.7B2B 4B 主干 许可Apache 2.0Apache 2.0Apache 2.0研究与非商业 语言231030100+ 输出采样率44.1 kHz未披露48 kHz24 kHz

匹配字段正文

MSFT 微软周四宣布计划发行250亿美元债券，利用其健康的信用评级为基础设施扩张提供资金支持。 这家软件制造商在信用评级机构S&P拥有最高级别的AAA评级。管理层将2026年资本支出目标定在1700亿美元，因为公司希望满足人工智能实验室Anthropic和OpenAI以及其他客户的巨大需求。 “微软打算将此次发行的净收益用于一般企业用途，其中可能包括为营运资金、资本支出、股票回购、收购和偿还现有债务提供资金等，”一份声明称。公司表示，此次发行预计将于11月4日完成。 亚马逊和Alphabet今年已进入债券市场为基础设施项目提供支持，而以人工智能为重点的云服务公司CoreWeave也依赖债务市场来扩大其数据中心版图。随着央行加息以对抗通胀，投资者对债务负担沉重的公司变得更加谨慎。 微软首席财务官Amy Hood周三在公司财报电话会议上表示，在条件有吸引力时，微软将获取额外融资来源，以补充自身现金流生成能力。 “有一种融资形式叫租赁，我们一直把它作为一种工具，”她说。“鉴于我们的评级状况，我们很幸运能够进入债务市场，而我们尚未动用这一渠道。” 微软周三报告自由现金流为正，这使其与Alph

匹配字段正文

AI 漏洞洪流：风险与机遇 因此，从安全专家的角度来看，AI 领域的飞速进步是一把双刃剑，攻击者和防御者都能利用它为自己谋利。本文探讨人工智能究竟如何改变恶意软件格局。此外，文章还剖析了多年来无处不在的勒索软件领域的最新动态，介绍犯罪分子的新策略和隐蔽手法，并提供预防感染的提示。 以上是我们 heise-Plus 文章《2026 年恶意软件态势：赎金减少、漏洞增多、新花招》的试读内容。订阅 heise-Plus 即可阅读全文。 AI 让复刻知名程序变得诱人地简单。但技术上可行的事，远非总是合法。一份法律评估。 热泵还是区域供热？市政供热规划指明了方向。业主可据此为供暖和补贴得出哪些结论。 雾气、晨露与斑斓落叶：微距摄影专家 Alexander Mett 展示秋天如何成为微距摄影的最佳时节。 把电送入电池、电网和其他车辆：根据模型测算，货运公司通过双向充电可节省百分之十的能源成本。 借助 AI，大型软件的克隆产品如雨后春笋般涌现，聊天机器人直接自行接管其任务。但这究竟是否合理？一篇分析。 借助 2.0 版本，Anomaly 将开源编码智能体改造成了具备新功能的平台。但旧插件因此不再可用。

匹配字段正文

第 25 天/ 自即日起，我们将把所有 Pro 100/200/500 档位和 Business Premium 的用量上限翻倍。 我们听取了大家的善意反馈，不会下调 Pro 200 的用量上限，因此你的 Work 和 Codex 用量将保持不变。我们目前还会继续为 dots 提供扩展额度，并且你的 dot 用量仍将与默认用量分开计算。 当然，我们也会持续发布更好的模型和其他效率改进，从而随着时间推移提升你的实际可用量。

匹配字段正文

“@Linear 是一股清新的空气”，不仅对工程师如此，对 PM、数据科学家和其他职能人员也是如此。 它可以存储公司最重要的上下文，并将其传递给不同的智能体（包括它自己的智能体）。

匹配字段正文

普林斯顿与 Meta 关于 AI 智能体持续改进的精彩新论文 发现：当每次修复都保存为 LoRA 适配器并在类似任务上复用时，智能体重复犯错的次数会减少。 智能体可以在一次会话内修正错误，但往往在下一次会话中重蹈覆辙。上下文中的笔记会被遗忘，而完整微调成本高昂，还可能破坏其他技能。 借助 Self-Direction，失败的智能体会反思本次运行，并把教训训练进一个约为模型大小 0.02% 的 LoRA 适配器。之后当智能体在类似任务上失败时，路由器会加载最接近的适配器。 在 Qwen3.6-27B 上，GAIA 的任务成功率从 38.8% 提升到 55.8%，优于上下文反思和 Skills.md 文件方案。在 185 个此前出现过的错误中，到第三次遇到时仍有 67.3% 的修复生效，而单纯重试为 42.9%。 如果你的智能体总是犯同样的错误，就把每次修复保存为可重新加载的小型适配器，而不只是提示笔记。

匹配字段正文

本作为后备）使反向 SSH 隧道持久化。后台脚本大约每 60 秒重试一次隧道。 通过 HTTP POST 向 /beacon 的 8099 端口报告主机详情和后门状态。 注意：攻击者服务器已不再运行。 我们与托管该服务器的云服务提供商合作将其下线，因此反向 shell 和主机详情 POST 均无法工作。 这些发现仅涉及已识别的扩展包。我们没有证据表明该扩展的其他版本或官方分发版本受到影响。 此外，开启本地 SSH 服务需要管理员权限，而恶意扩展在大多数 macOS 和 Windows 主机上并不具备该权限。在这些主机上，该步骤会失败，攻击者无法通过隧道登录。该扩展仍会添加攻击者的 SSH 密钥、安装持久化机制，并将主机详情发送给攻击者。无论如何，请按照以下修复步骤操作。 我们做了什么 一经发现，我们立即从市场中移除了恶意版本并阻止其进一步分发。出于谨慎考虑，我们随后完全关闭了 VSCode 市场。 我们审计了访问权限，并确认没有其他扩展被篡改。 我们轮换了密钥、重建了市场，并使其重新上线 我们与托管服务提供商合作将恶意服务器下线，通过阻断与该服务器的连接来中断攻击。 您应该做什么 如果

匹配字段正文

Oracle 现在预计 2029 财年自由现金流至少达到 300 亿美元，而投资者此前预期为负现金流。 Oracle 在 2026 财年为 OpenAI 及其他客户建设 AI 数据中心消耗了 237 亿美元自由现金流，并计划今年资本开支 900 亿至 950 亿美元。 9 月，CFO Hilary Maxson 拒绝说明这一现金流失何时结束；在今天的投资者日上，她表示转折将出现在 2028 财年下半年。 该计划取决于资本支出在 2027 和 2028 财年见顶，随后随着新产能开始产生收入而逐步下降。 Oracle 还将截至 2030 财年的进一步融资上限设为 200 亿美元，在已完成 200 亿美元股票发售之外，股权与总债务各占一半。 客户预付款、客户提供的硬件和供应商融资旨在覆盖剩余前期成本的大部分。 该股一度上涨 9.6%，此前今年截至周二累计下跌 33%。

匹配字段正文

20 岁迷茫，40 岁恐慌，面对 AI 普通人到底该怎么活？ CNN 专访里英伟达CEO黄仁勋的一句话点醒了所有人： 别再拿过去的年龄和资历来吓唬自己了，当智力开始被流水线批量制造，人类所有的竞争规则都彻底洗牌了。 在 CNN 的深度专访里，主持人扎卡利亚抛出了一个当下所有打工人最焦虑的真问题： “如果一个 20 岁刚步入社会的年轻人，或者一个 40 岁正面临中年危机的职场人问你：我正要踏进 AI 的世界，我到底该怎么做？” 黄仁勋没有像其他科技高管一样，兜售空洞的焦虑，也没有教人去报班考证，

匹配字段正文

于市场发现重要的主题和类别。 重要的是，我们的线下社区模式赋予我们独特的优势，能够在数月时间里积累曲线下面积，从而更好地理解这些品质在创始人身上如何随时间发展。我们相信斜率而非截距。这条曲线上最显著的数据点来自正和且协作性的线下关系，而不是与创始人进行两三次会面、观看其演练过的路演。 好奇心 在许多方面，这是 SPC 文化的根基。人们加入我们，是为了在一个由其他好奇者组成的社区中探索自己的抱负。通常，人们最终投身的事业源于与原本永远不会遇见的人进行的发散性对话。我们在个体成员以及 SPC 中涌现的网络中都寻求方差。 我们将“好奇”的人定义为： 生成性：他们不断捣鼓尝试。我们不太在意光鲜、有声望的经历，更在意痴迷。 原创性：他们有构建不寻常、非渐进式事物的历史（通常这些不是商业项目——它们可能是研究论文、副业项目、创意作品）。 博学性：他们能够跨越不同领域连接洞见。 清晰度 处于“-1”阶段并不意味着创始人缺乏清晰思考的能力。通常他们实际上只是在开辟全新的领域。他们冲浪于尚不存在的技术浪潮之上。 由于我们只把时间花在技术的前沿，我们发现寻找那些为追求最重要（且往往不那么光鲜）的解决方案而

匹配字段正文

h 拆出，就是为了保持这种规模与速度。 一周是怎么过的 · 周末：修 bug、听反馈；Thorsten 常写 Sunday post（大约一年二十多篇），点出最重要的事或「继续这样做」；Alex 发周数据。 · 周一：同一场会对两遍，欧洲早上约 8:30（含澳洲约 5 人），约 8–9 小时后再开旧金山场。除 Quinn / Thorsten 两边都参加外，其他人每周固定会议只有这一场。约一小时：先自由讨论优先级（无脚本化各部门汇报），末尾静默在 Google Doc 写本周目标并口头念标题；会追问新闻稿、打算哪天发。 · 没有季度主题去硬套；动机是把产品做出去并赚钱，而不是「对齐领导两个月前定的口号」。分工靠「做什么给你能量」自然落下；模型上线有人盯、基建有人深耕，但多是虚线，不是领地。Hamish 做原生 iOS / macOS 并非路线图三件套，而是先 spike 再说服团队。 协作频道与「敢砍功能」 四个关键频道：work in progress（举手我在做啥、求反馈、发新闻稿草稿）、shipped（已上线）、orb good / orb bad（内部正负反馈；坏反馈要直说，不

匹配字段正文

eline，来估计每个回答的 advantage；baseline 通常取 V。图中五个 open 回答的分数是 3、1、2、1、3，R − V 分别是 −1.3、−3.3、−2.3、−3.3、−1.3，平均为 −2.3，正好等于 Q − V。 例子里 judge 的分数都是正的。如果从 0 算起，每个采样回答都会被往上推，open 也不例外。它只是被推得比其他回答少，正确的方向要等大量样本相互抵消后才能显现。从 V 算起，每个样本本身就指向正确的方向：低于平均的回答往下压，高于平均的回答往上推。 只要 baseline 与采到哪个 token 无关，减去它就不会改变平均的更新，改变的只是噪声。在这个例子的模拟中，以 0 为 baseline 和以 V 为 baseline，平均更新完全相同；以 V 为 baseline 时，方差约为前者的五分之一。 baseline 改变的是更新的噪声，更新的方向保持不变。 GRPO 的组内平均分和 PPO 的 critic，都是这个意义上的 baseline。 credit assignment：TD error 与 GAE 前面的 advanta

匹配字段正文

Artificial Analysis Intelligence Index v5 现已上线！ 它包含 2 个新基准和 3 项升级，且该指数的大部分内容基于私有数据集构建。 新基准包括来自 Cognition 的 FrontierCode 2.0 和 Terminal-Bench-Science。 Claude Opus 5.5（max）以 58 分领先，紧随其后的是 GPT-6 Astra（max，57 分）和 GPT-6.1 Sol（max，55 分）：Anthropic 和 OpenAI 占据了前五名模型。Gemini 4 Argon（high）以 50 分位列其后。 Claude Code 依然保持领先（这并不意外），而我们对其他模型的分布也有相当准确的刻画。 一张新图表还展示了各模型的发布日期 👀

匹配字段正文

ber 1.1 Flash 已在 MDASH 上线，与 MAI Cyber 1 Flash 表现相当，每次扫描成本降低 18%。 - GitHub Copilot 现已在公开预览中支持 GitHub Apps 的服务器到服务器身份验证，赶在今日开幕的 GitHub Universe 之前。 SPACEXSI 🔥： - Grok Bot 现已支持记忆导入，可从其他 AI 助手迁移偏好设置和上下文。 - Cursor 设计模式新增 Annotate 功能，可用于编辑元素、在页面上绘制以及在不同屏幕尺寸下审阅设计。 META 🔥： - Muse 现已在新加坡上线，支持 iOS、Android 和网页端。 NVIDIA 🔥： - NVIDIA 与 Meta 正在扩大在 Muse 模型上的合作，并计划在 Meta 更广泛地部署 Vera Rubin。 - Vera Rubin NVL72 和 Vera CPU 现已在 Oracle Cloud 全面可用，OCI 超级集群可扩展至数吉瓦规模。 ARTIFICIAL ANALYSIS 🔥： - Intelligence Index v5 发布，采用以

匹配字段正文