跳到正文
  1. The Decoder88

    Epoch AI 研究:开源权重模型 GLM 5.3 在 48 小时内零人工输入构建完整 Firefox 漏洞利用链

    Epoch AI 研究人员发现,开源权重模型 GLM 5.3 能在无人工输入的情况下,针对 9 月 17 日至 10 月 26 日发布的 6 个 Firefox 版本自主构建完整漏洞利用链,每次成功攻击的 API 费用约 1000 美元,最快一次耗时 12 小时。

    推荐理由:Epoch AI 的实测显示开源权重模型可自主完成浏览器漏洞利用链,为评估开放模型的攻击面提供了具体成本与时间参照。

  1. Google DeepMind60

    Google DeepMind 联合 WRI 与 IIASA 发布 ForTy 2020 全球森林类型地图

    Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology(ForTy)2020,把全球每块 10×10 米土地归入六类森林与土地利用类型,作为欧盟反毁林法规 EUDR 的关键基线。

    推荐理由:ForTy 把森林类型细分到 10 米分辨率并给出逐年变化,读者可据此理解 EUDR 合规核查的数据基础。

  2. Microsoft Research71

    微软研究院等证明 31 年未解的 KLS 猜想

    微软研究院的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想,证明高维对数凹分布下最佳超平面切割与任意形状最佳切割的差距不超过一个与维度无关的常数。

    推荐理由:这条内容讲的是研究者如何用智能体并行探索上百条路径、人工筛选后完成证明,可了解人机协作做数学研究的实际流程。

  1. Microsoft Research71

    微软研究院推出基于证明的通用计算系统 Magnetar

    微软研究院发布零知识虚拟机 Magnetar,可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序执行过程,在 15 个基准程序上平均比现有最快 zkVM 快 10 至 39 倍,证明验证约需 12 毫秒。

    推荐理由:微软研究院梳理十余年零知识证明研究脉络,说明 Magnetar 如何同时兼顾通用性、速度与标准哈希函数安全性。

  1. Berkeley AI Research60

    从 CUDA 到 MLX:K-Search 如何把内核优化经验迁移到 Apple Silicon

    Berkeley Sky Lab 团队为 K-Search 演化式内核搜索框架新增 MLX 后端,并设计结构化 CUDA-to-MLX 翻译层,让搜索以现有 CUDA 内核为知识库生成 Apple Silicon 内核。

    推荐理由:作者把 CUDA 优化知识整理成结构化上下文,让演化搜索在 Apple Silicon 上接近专家内核水平,方法可迁移到其他硬件生态。

已经到底了