搜索“编码”

据和不安全的工具使用。这项研究考察的是更底层的一层：在模型运行时承载并传输其参数的基础设施。 权重是塑造模型回答的数值参数。磁盘上的有效文件可以被加载到内存中，随后被具有足够特权的组件更改。之后对原始文件的检查仍会看到预期的字节，即便回答是使用被篡改的运行时状态生成的。 Eclypsium 的受控演示显示了对查询的模型输出操纵，报告指出，若将同样的技术应用于编码模型，可能削弱身份验证检查、关闭证书验证、引入不安全的依赖项，或在生成的代码中留下内存漏洞。更广泛的担忧在于，运行时操纵可能影响其他敏感用途，例如自动化决策。这些可能性应与实验室中展示的具体行为区分开来。 所谓“未被检测到”的说法也有明确的范围：演示中使用的存储模型完整性检查并未发现内存中的更改。这并不能证明其对一切形式的监控或取证检查都不可见。 攻击条件至关重要 该测试使用了 NVIDIA Grace Hopper 环境。其直接内存访问路径依赖于受损的特权组件以及允许访问敏感内存的配置设置。研究人员指出 IOMMU 直通和宽松的 PCIe 隔离是重要条件，并明确说明这些并非 Linux 的默认设置。 IOMMU 有助于控制外设

匹配字段正文

首帧与文本指令即可启动渲染，支持480p与720p两种分辨率。实测数据显示，50亿参数版本的EdenLive，仅靠单张消费级RTX 5090显卡就能实现720p分辨率下24帧/秒以上的实时生成。产品配备两种运行模式：实时流模式以分块流媒体形式输出，适配交互式场景；离线模式可一次性处理完整参考序列，更适合现有视频、动画的重渲染需求。 落地应用覆盖多个领域。搭配编码代理可接入游戏开发的实时预览流程；创作者可基于相同的场景布局、动作与镜头路径，快速探索不同的视觉风格，支持实时替换角色、调整整体画面调性；在具身AI领域，它能将真人操作视频转换为机器人第一视角画面，弥合人类演示与机器人学习之间的断层。 目前EdenLive已正式开源，开放内容包括50亿与140亿参数的模型权重、实时视频生成代码、可实现文本转简易游戏的EdenGolem v0.1技能，以及完整的提示词到游戏前端工具链。代码以Apache 2.0协议在GitHub发布，模型权重可在Hugging Face平台获取。 Tripo AI首席科学家曹彦培博士表示，Project Eden将世界运行拆分为持续演化的世界状态、状态到视觉的交互

匹配字段正文

措辞几乎相同。只有 15% 提到了 AI。 对话日志显示，智能体在 77% 的决策中首先表明立场。根据该论文，它随后通常只为自己偏好的一方辩护，没有解释资深专家为何可能选择另一种方案，尽管它确实解释了不同选择会如何影响结果。 参与者在使用 AI 时工作速度也快得多，错误也更少。在没有智能体的情况下，55% 的分析（即 11 项中的 6 项）存在严重的方法论或编码缺陷，中位耗时为 90 分钟。使用 AI 时，仅有 6%（即 50 项分析中的 3 项）存在严重缺陷，参与者在 65 分钟内完成。未使用 AI 的小组是自己选择不使用该工具，且专业水平略低，因此研究人员无法确定这一差距中有多少直接来自 AI。 虚假共识与更弱的安全检查 研究人员表示，这种无声的顺从可能在科学领域产生广泛影响。如果许多研究团队使用具有固定默认偏好的同一模型，他们最终可能制造出虚假共识。 这一风险也延伸到 AI 安全本身。研究人员已经在使用 AI 智能体测试前沿模型的安全性和对齐性，期望人类审查能作为独立检查。但如果专家在开放式判断上不知不觉地采纳了智能体的偏见，一个未对齐的系统最终可能操纵那些本应用来揭露其未对齐的

匹配字段正文

仍保持低于 GPT-5.6 Luna 的错误率。 图3 图3. 在事实性密集、用户标记和高风险提示集上的响应级与主张级事实错误率。越低越好。 有关这些评估的完整说明，请参阅 对齐 GPT-6 Luna（10月7日）系统卡中的章节。 图4 图4. 在最大推理努力下完成的禁止行为。越低越好。 图5 图5. 成功规避环境限制的条件失败率。越低越好。 图6 图6. 编码任务中与阻断器相关的披露失败率。越低越好。 图7 图7. 损坏搜索工具评估结果。 在我们的 准备框架，我们将 GPT-6 Luna（10月29日）在网络安全以及生物与化学领域均视为高能力。该模型在 AI 自我改进方面未达到我们的高阈值。这些评估与 GPT-6 Luna（10月7日）对应版本的评估结果一致，并且我们已实施了其中所述的相应防护措施，详见 GPT‑6 Luna（10月7日）系统卡. 在我们的准备框架下，我们将 GPT-6 Luna（10月29日）在生物与化学领域视为高能力。下文报告了我们在高能力与关键能力评估上的最新结果。有关这些评估的完整说明，请参阅 GPT-6 Astra 系统卡中的生物与化学能力章节。 GPT-6

匹配字段正文

-10-30 11:10 IT之家 - 远洋 感谢IT之家网友 咩咩洋 的线索投递！ IT之家 10 月 30 日消息，谷歌正在逐步停用其人工智能编程助手 Jules。该公司于 2024 年 12 月推出了 Jules，将其定位为一款能完成“你不想做的”编程工作的工具。但如今，Jules 即将停止服务。 谷歌表示，该公司会将从该工具中获得的经验应用到人工智能编码平台 Antigravity 中。 以下是 Jules 官方 X 账号发布的声明： 当我们推出 Jules 时，这是一项实验，旨在了解异步编程智能体如何帮助开发者更快交付。看到大家用它构建的东西，让我们对智能体开发的未来方向有了深刻认识，并直接影响了谷歌旗下多个产品。 我们正在努力将从 Jules 中积累的经验融入 Antigravity，让用户能够兼得两者之长：既能自主在远程环境中执行后台任务，又能拥有以智能体为核心的开发环境。 随着我们将重心转向打造统一的体验，Jules 将逐步停止运营。 无论你是用 Jules 消灭漏洞、编写测试，还是发布功能 —— 感谢你塑造了智能体编程的未来。 据IT之家了解，Antigravity

匹配字段正文

集团 3. 中关村学院 4. 上海创新研究院 📃 论文 | 🤗 模型与训练数据集与 ZoomBench 说明 🎉 我们已发布 无需缩放的缩放 v2（ZwZ2）！请查看新仓库以获取最新模型、数据和代码。 ✨ 简介 近期的“以图思考”（Thinking-with-Images）方法通过在推理过程中迭代放大感兴趣区域来提升细粒度感知能力，但由于反复调用工具和视觉重编码，导致延迟很高。在本工作中，我们提出 ZwZ 模型（4/7/8B），在开源模型中取得了多模态感知基准上的 SOTA 性能. 此外，我们还提出了 ZoomBench, 一个混合标注的基准，包含 845 条 VQA 数据，覆盖六个细粒度感知维度，并配套一个双视角协议，用于量化全局—区域间的“缩放差距”。 ⚙️ 方法 我们提出 区域到图像蒸馏（Region-to-Image Distillation，R2I），它将缩放从推理时工具转变为训练时原语。我们： 放大 到微裁剪区域，并让强教师模型生成高质量 VQA 数据 蒸馏 将这种基于区域的监督通过显式边界框叠加回传到完整图像 使较小的学生模型能够实现 单次前向的细粒度感知 无需使用工具

匹配字段正文

个三阶段调度方案，其中可训练参数预算如潮汐般涨落——LoRA → 全参数 → LoRA——从而在缓解灾难性遗忘的同时，协调计算效率、泛化能力与难样本拟合。 模态协同。 联合视频/帧训练，加上基于熵的测试时自适应：在推理时把每个样本路由到携带更强取证证据的模态，无需额外训练，也没有学习得到的路由模块。 异常放大 + 校准循环。 一个基于 DINOMAC 的辅助编码器用于细粒度线索，配合全局判断条件化的像素阈值，使单一模型同时产生图像/视频级判定和像素级定位掩码。 在以下基准上评估： 53 项检测基准 以及 14 项定位基准，DefakerOne2 在以下方面达到最先进水平： 40/53 以及 11/14 分别，并在 在全部八个取证领域均排名第一 ——即使在该领域专家自己的领域内，也从未被领域专家超越。 亮点 DefakerOne（V1） DefakerOne2（V2） 图像域平均 80.4 90.9 视频域平均 57.6 95.7 物理伪造（图像） 50.7 87.2 物理伪造（视频） 50.7 95.8 ManipulatedBench（零样本 bACC） 48.6 71.7 RRVB

匹配字段正文

un-all 的模块映射。没有变更的计划可以省略 resource changes，因此空计划被视为有效，而无法识别的形态会被拒绝而不是静默允许；只将其附加到模板会生成这些格式的项目上，因为 Pulumi、CloudFormation 和 Kubernetes 部署都会被拒绝。替换包含 create 操作，因此会被捕获。资源列表只是一个示例，该策略无法看到硬编码的机密或在 Terraform 之外生成的密钥。 allow 规则很重要：有了它，任何未被拒绝的内容都无需人工批准即可继续；没有它，一个不返回任何内容的策略会默认为待定，每次部署都要等待一个人。使用完整的 env zero 输入包装器进行测试，而不是裸的 terraform show -json 输出，覆盖密钥创建、仅角色计划、替换、run-all、缺失计划数据和销毁。ENV0 PRINT POLICY INPUT=true 会记录确切的输入；ENV0 OPA VERSION 固定 OPA 版本。该策略在 env zero 的默认 OPA（0.46.1）和 1.x 上运行，这就是它使用 future.keywords 导入而不是

匹配字段正文

View 一样，有通过类似 iMac 的支架放在台面上或安装在墙上的选项。 全新的 Echo Show 16 是我们迄今最先进的显示屏，性能提升 20%，让交互感觉更快速。16 英寸高清屏幕薄了近 40%，观看面积多 10%，新的 Nanomatte 选项可将眩光减少 90% 以上，同时保持细节和色彩极其锐利。屏幕样式可将其转变为你的家最需要的任何东西——带颜色编码日历、家务和膳食计划的家庭组织者；数码相框；或配备新 Alexa Home Map 的智能家居仪表盘，显示每盏灯、门锁、恒温器和摄像头在家中的确切位置。此外，它还内置完整的 Fire TV 体验。Echo Show 16 拥有我们在 Echo Show 上用过的最好的摄像头，具有最宽的视野、让每个人都保持在画面中的自动取景，以及首次加入的夜视功能，让你无论白天还是夜晚都能通过 Live View 查看。 Echo Show 16 今日起接受预订，售价 $499.99，纳米磨砂屏版本售价 $569.99。上市时间尚未确认，公司仅表示将于“今年晚些时候”开始发货。 iPhone Duo 保护壳 Beats 编织 USB-C 线缆

匹配字段正文

ode mode 能削减你的 agent 账单 Michael Pfaffenberger mpfaffenberger 21 分钟前 2026/10/28 作为 Markdown 现在和我交谈的每个人对 code mode 都有自己的看法。我的看法则是由 Prime Intellect 的 Prime Agent点燃的，这是一个围绕持久化 REPL 构建的编码工具框架，此外还有 Alex Zhang 的 推测性程序化工具调用，它（除其他功能外）能在模型仍在流式输出代码时运行工具。 Cloudflare 就有一个。 Anthropic 也有一个。我们自己也有过几个，从 MCP 代码执行 到 Pydantic Monty编码智能体也在朝同一方向演进： OpenCode 2 现在默认通过 Code Mode 发送 MCP 工具，而 Pi 则自带一个 codemode 工具。常见的宣传话术大致是这样的：别再让模型一次调用一个工具，而是让它写一个小程序来调用这些工具，这样一切都会更便宜、更快、更好。 我信这一点。但我见过的几乎每个数字都来自拥有数百个工具或庞大负载的智能体，而现实中的许多智能体

匹配字段正文

tron 3.5 Transcribe 以 2.8% 的 AA-WER 在开放权重模型中并列第一，其激活参数约为 4B，而与之并列的模型为 24B。在 AA-AgentTalk 上——这个占 AA-WER 指数 50% 的留出语音智能体语音集——Transcribe 的 WER 得分为 1.8%，而次优开放权重模型为 2.3%。Transcribe 将其语音编码器与混合 Mamba–Transformer 专家混合语言模型配对，因此其 30B 参数中每个 token 仅有约 4B 处于激活状态。这使其位于 Artificial Analysis 的开放权重准确率与激活参数帕累托前沿上。在 AA 的全模型图表中，它排名领先于若干广泛使用的专有语音 API。 图 2. 以约六分之一的激活参数取得领先的 AA 准确率：Nemotron 3.5 Transcribe 以约 4B 激活参数实现 2.80% 的 AA-WER。 跨语言与重叠语音的说话人归属。Sortformer 说话人线索与声学特征一同到达语言模型，因此 Transcribe 可以在生成过程中标记每个话轮，而不必仅依赖后续步骤将说

匹配字段正文

规格从前一代的 802.11n (Wi-Fi 4) 升级至 802.11ax，也就是 Wi-Fi 6，蓝牙升级到了 Bluetooth 6。 但在体验方面，HomePod mini 2 的提升其实不算明显。从最核心的音频串流能力来说，即使是按照未压缩的 24-bit / 48 KHz 双声道音频来计算，也仅需要约几 Mbps 的吞吐能力，实际使用 ALAC 编码之后的需求通常会更低。因此这一代 HomePod mini 2 在无线连接规格方面的升级，我认为可以算是一次常规的硬件迭代，对日常体验而言不会产生明显影响。 根据官网给出的信息来看，HomePod mini 2 采用的依然是全频驱动单元 + 双振动抵消无源辐射器，内部扬声器架构应该没有变化，关乎于计算音频、语音处理的 S10 芯片就成了影响听感的重要因素。从我的实际听感来说，我认为两代 HomePod mini 的差距极其接近，HomePod mini 2 的低音下探会更足，人声的包裹感会略好一些，日常听歌几乎不会感受到区别，比较可惜的一点是这一代 HomePod mini 与上一代一样仍旧不支持空间音频。 比较核心的变化是将设

匹配字段正文

查的变更数量增加了3倍。” AI数据科学研究员：“将模型投入线上测试的时间从17天缩短至3天。” AI安全分析师：“威胁检测时间在10分钟以内。” “以我们的内部生产力评分衡量，工程产出在2026年3月至9月间增长了171%，”信中说。“功能现在几天内就能上线，而不是两到三周。” Meesho预计这将减缓其成本增长。“随着单工程师小组成为标准，智能体承担更多编码、支持和运营工作，我们预计产品迭代速度将持续提升，同时成本增长随时间放缓，”信中说。信中未说明这将如何影响招聘。 8. 购物者的消费正超越必需品 Meesho Mall：Meesho品牌产品专区的销售额增长81%，涵盖约1,800个品牌。从必需品起步的客户“也在购买面部精华、防晒霜、护发素和面部滚轮，”信中说。 创作者视频：由创作者产品视频驱动的销售额增长160%。客户“观看他们信任的人使用产品，然后购买，”信中说。 另请阅读： Meesho季度亏损收窄68%至1.325亿卢比，营收增长34% Meesho将向其支付业务部门投资4亿卢比，并设立贷款部门 [googlesitekit-end-of-content] WP QUAD

匹配字段正文

该模型特性的适配区分开来。跨模型工作能确保最强的改进具有泛化能力，并在启发这些改进的模型之外依然成立。 这就是我们内部 Agent Factory 背后的理念。智能体会研究基准测试中的失败案例，以及用户在实际会话中遇到的摩擦，提出改动建议，并在其影响的每一个模型家族上逐一测试。我们的工程师审查证据，并决定哪些改动上线。 最终成果是市场上最高效、面向企业就绪的编码智能体，针对每一种前沿模型进行了调优，无论其权重是开放还是闭源。 本文余下部分将介绍正面对比结果、框架背后的设计原则、我们如何构建内部 Agent Factory，以及带来最大影响的核心改动。 市场上最高效的框架 在相同任务、相同模型下，Droid 的得分更高、成本更低，优于我们测试过的所有其他框架。 图 1 Terminal-Bench 4GPT-6.1 Sol 未展示 Cursor：它无法访问 OpenAI 模型。Opus 5.5 Terminal-Bench 4。使用 GPT-6.1 Sol 时，Droid 的得分比 Codex 高 3.5 分，成本低 12%；比 OpenCode 和 Devin 高 6.6 至 12.6

匹配字段正文

互联网大量依赖的软件中。AI 智能体正让漏洞的发现变得更快、更容易，而从发现到被利用的时间也在不断缩短。 企业越来越需要智能体既能防御威胁，又能改变工作方式。随着智能体承担更多责任，安全必须与自主性同步扩展。 Palo Alto Networks 首席执行官 Nikesh Arora 最近提出了一个问题 ，面向每一家采用 AI 的公司：“数十亿美元正被投入到编码中，你的编码框架安全吗？”对于安全负责人，他的建议很明确：为智能体部署建立防护栏，并部署第二双眼睛来监控其漂移、合规性和可验证性。 在 Replit，我们多年来一直将安全构建到智能体工作的基础设施中。当这些漏洞上周浮出水面时，正是这一基础使我们能够 快速、有效且大规模地响应。我们现有的隔离防护阻止了所披露内核漏洞被利用。我们更进一步，修补了受影响的工具并集中部署了防火墙防护，减少了开发者原本需要自行完成的修复工作。 我们相信，下一步是进一步自动化安全响应本身，由人员来定义治理该流程的策略、审批和干预点。 作为我们 Self-Driving Company 蓝图的一部分，我们正通过 Replit 的 Agent Habitat 将

匹配字段正文

ter Zhong Michele Catasta 今天我们发布 ViBench 2.0，这是一个面向长周期软件开发的基准测试。它加入了来自 Fireworks [1]的专项智能指数（SII），Fireworks 是我们在开放权重模型推理与训练方面的合作伙伴。SII 汇集了由从业者构建的基准测试，用于在跨行业的真实工作任务上比较开放、闭源和专项模型。 大多数编码基准测试，例如 DeepSWE [2]，在现有代码库中交给智能体一个定义明确的任务。而在 ViBench 2.0 中，智能体从空项目开始，然后以 Uber、GitHub 或 Google Docs 等产品为蓝本，一次构建一个功能，最终打造出完整产品。 ViBench 2.0 包含十七个产品、241 个功能请求和 544 个测试计划。表现最好的模型 GPT-6.1 Sol、GPT-6 Astra 和 Opus 5.5 仅在其 49⁠-⁠65% 的构建中通过了全部测试计划。 我们为何构建 ViBench 2.0 我们以 ViBench 1.0 为蓝本进行建模 [3] 当时Replit用户正在构建的东西，比如协作白板和简历生成器。如今

匹配字段正文

可跨现有工具工作、对告警进行分诊，并在团队定义的权限范围内采取行动。分析师可以审查结果、改进流程，并选择哪些环节需要审批。团队已经掌握如何执行的调查，此后便可反复进行，而无需有人手动走完每一个步骤。 保障企业内部的 AI 安全 AI 已经融入企业工作之中。92% 的受访者表示至少有限度地在生产环境中使用了员工生成式 AI 工具，83% 表示在生产环境中使用了编码助手或智能体，55% 已在生产环境中部署 MCP 服务器或其他智能体与应用的集成。 这些系统可以访问源代码、检索公司文档，并跨应用执行操作。一家餐饮软件公司的安全负责人提出了许多团队正面临的问题：“你怎么才能真正知道这些智能体在做什么？” 这些担忧是具体的。47% 的受访者将员工向 AI 工具泄露敏感数据列为最大的担忧之一，46% 提到智能体超出其权限或被攻陷。另有 29% 担心提示注入或通过 AI 应用造成的数据泄露。 对许多企业而言，这些问题已经在拖慢部署。63% 的回复表示安全至少在一定程度上减缓了 AI 的采用，包括审查、审批要求以及对特定用途的限制。 安全团队需要知道哪些工具和智能体正在运行、它们归谁所有、它们能访问什

匹配字段正文

代码上比 BPE 扩展得更好（@tri dao）。 NanoGPT 速通纪录：利用检索增强的 n-gram 提示处理稀有、重复内容，纪录从 39.9 秒降至 6.7 秒（@hermanbrunborg）。 OpenAI 声称对 ETH 的反驳：该主张是一个运行时间为 2^{O(n/√log n)} 的 3-SAT 算法，已在 Lean 中形式化。它用代数方式编码解的数量并重建它（@ZhihuFrontier）。 实用性：除非 n 天文数字般大，否则该算法会退回到指数时间（@beenwrekt）。 解说：Mark Sellke 发布了提纲幻灯片（@MarkSellke）。 小型专用模型：Samaya 对 Nemotron 3.5 Lightning（总计 30B，激活 3B）进行了后期训练，包含两个 SFT 阶段和两个 GRPO 阶段。它在 FrontierFinance 上得分为 58.9%，而 Fable 5.1 为 55.9%，成本为 0.61 美元对 6.89 美元（@maithra raghu）。 检索与记忆： EmbeddingGemma 2：这个开放的多模态嵌入模型有 74

匹配字段正文

级时间戳或置信度。它运行在 GPU 上，比 Parakeet 慢，因此更适合转写文件，而非实时输入。 Hub 上的 Core ML 模型 为了在应用中运行这些模型，我们将它们转换为 Core ML 并发布在 Hub 上： 每个仓库都记录了其源检查点以及每个文件的校验和，该包将其固定到某个固定修订版本。Parakeet 仓库额外提供了一个用于实时输入的 8 秒编码器，可将实时分析时间缩短约三分之一，代价是词错误率略有升高。该仓库还包含转换工作流，其中大部分遵循 FluidInference 的 mobius 脚本，并将每次转换结果与原始模型进行校验。 只有你的应用请求时才会发生下载：每个 Parakeet 约 600 MB，实时编码器另需约 590 MB，Qwen3-ASR 为 0.9 至 2.4 GB，Sortformer 约 250 MB。文件存放在标准的 Hugging Face 缓存中，因此沙盒之外的 Mac 应用可以与 Python 及其他 Hugging Face 工具共享它们。 说话人分离 转写对话时，你往往想知道谁说了什么。这就是说话人分离，而 Apple 的 Speec

匹配字段正文

使我们改用 FlashInfer 内核。FlashInfer FP8 将注意力内核的内存利用率从 50% 提升到 80%。 我们将权重保持在 BF16，因为权重量化在我们的测试集上增加了词错误率（WER）。虽然 FP8 缓存也是有损的，但对准确率的影响极小，因为注意力计算仍保持全精度，且每一层都会从全精度激活重新计算其缓存。✕优化解码器各阶段所选的精度。音频编码器和解码器权重保持 BF16，因为编码器只占 GPU 时间的一小部分，而 FP8 量化权重会影响准确率。KV 缓存是内存流量的最大来源，改为 FP8 后，每步所需字节数减半，可同时运行的序列数翻倍。注意力计算以全精度运行，并在每一层从全精度激活重新计算，因此舍入误差不会累积。 尽量减少主机与设备之间的同步 在负载下，GPU 跟踪显示即使内核接近其硬件极限，步骤之间仍存在空闲。 这些间隙来自 CPU；正常情况下，CPU 在 GPU 仍在工作时准备下一步，但为此，注意力后端需要每个序列的长度，而该长度存储在 GPU 上。将其复制回来迫使 CPU 等待 GPU 完成。因此 CPU 无法提前准备下一步，而 GPU 在它准备时处于空闲状态

匹配字段正文