当 Flutter 遇上鸿蒙:一次“杂志级”混合开发实战
点击查看原文>
检索标题、摘要与正文,把分散的信息连起来。
点击查看原文>
10 月 30 日,币安披露其热钱包遭到攻击,约 63 亿美元的代币资产被盗。经初步调查,未发现钱包私钥泄露的证据。币安称,攻击可能与一名运维工程师的电脑遭入侵有关,具体攻击路径仍在调查中。即使签名和共识协议在原理上没有问题,钱包和提现流程仍可能出现风险。这起事件再次引发公众对区块链安全的关切:底层协议的安全,能否保证真实金融系统中的资产安全,系统又该怎样应对这些风险?与此同时,AI 在数学研究和自动寻找漏洞方面不断取得进展。人们也不免担忧,AI 是否会攻破现代密码学所依赖的数学难题?另外,在系统安全上,AI 会让防守者获益更多,还是让攻击者更占先机?针对 AI 时代的安全挑战以及密码学的应用...
11 月 5 日,OpenAI 前首席技术官 Mira Murati 创立的 Thinking Machines Lab(TML)交出了第二代模型 Inkling 2 Small。这家成立一年半、正以 400 亿美元投前估值洽谈 50 亿美元融资的硅谷明星实验室,急需用一款足够硬核的新模型向投资人证明自己。评测机构很快给出了“中国以外最高分开源权重模型”的头衔;但当同行翻开...
文章链接:https://github.com/brysonbw/ls-service 评论链接:https://news.ycombinator.com/item?id=50383396 积分:1 # 评论:0
惟创意与热爱不可辜负#欢迎关注爱范儿官方微信公众号:爱范儿(微信号:ifanr),更多精彩内容第一时间为您奉上。
arXiv:2611.04683v1 公告类型:新 基础摘要:随机游走是图分析的基础,但在大型动态图上高效执行仍具挑战。现有方法需在采样效率、更新开销和内存消耗之间权衡。为吞吐量优化的采样结构往往带来显著的内存开销和高昂的维护成本,而轻量级方案在高度数顶点或权重分布偏斜时又可能面临较高的采样延迟。这些挑战在异构CPU-GPU平台上尤为突出:主机内存容量充足,但GPU内存限制了可从并行加速中获益的图数据量。我们提出了FenixWalk,一个面向大规模动态图的内存高效随机游走系统,将统一的原地采样与选择性GPU加速相结合。核心上,FenixWalk采用原地Fenwick表示,无需复制边级权重存储即可支持拒绝采样和逆变换采样。该表示使拒绝采样具备期望O(1)的权重查询时间,并支持O(log d)的前缀采样与更新。为高效利用异构硬件,FenixWalk将完整图及其采样结构保留在主机内存,同时将频繁重用的顶点本地采样器有选择地放置在GPU上。通过传输紧凑的游走器状态而非反复迁移图分区,该系统减少了跨设备通信,并有效利用了有限的GPU内存。在大型真实世界图及代表性随机游走工作负载上的实验表明,FenixWalk相较于现有随机游走系统实现了平均2.06倍至400.57倍的加速。
Vercel MCP 现在允许任何客户端通过发布客户端 ID 元数据文档(CIMD)进行连接,从而无需人工审核。客户端使用 JSON 文件的 HTTPS URL 作为其 OAuth client_id,同意界面会显示客户端的名称、徽标和主机名,以确保透明度。CIMD 客户端不会获得已验证徽章,因此用户在批准访问时必须信任该主机名。现有的已注册应用不受影响。
arXiv:2610.37881v1 发布类型:新 摘要:深度伪造检测模型虽然整体准确率较高,但在不同人口统计群体之间却表现出显著的性能差异,导致某些群体的假阳性率远高于其他群体。现有的公平性感知方法通过约束模型输出以实现各群体预测的一致性来应对这一问题,但并未解决潜在的特征层面偏见。因此,这些模型仍可能依赖于诸如皮肤纹理等人口统计学特征作为检测篡改内容的间接线索。为了解决这一问题,我们提出了交叉性不变学习(IIL)框架,该框架着重改进特征学习,而非仅仅调整模型输出。IIL通过交替识别最具挑战性的群体划分
arXiv:2610.37731v1 发布类型:新 摘要:模型偏差可能导致单一校准参数无法在整个上下文域内重现物理响应。此外,观测与上下文中的不确定性会影响校准过程,必须予以考虑并加以量化。我们通过根据观测值与目标上下文的接近程度对观测似然进行加权,构建了一族局部后验分布。高斯型局部化权重借助协方差膨胀来纳入上下文不确定性,并在域边界处进行反射处理,同时可选地针对不均匀的上下文采样进行修正。一种条件归一化流通过均摊化的变分推断方法近似该族后验分布。将这些局部后验分布按照预设的上下文测度进行整合,即可得到
arXiv:2610.37682v1 发布类型:新 摘要:与成对比较相比,列表式偏好反馈能够为大型语言模型(LLMs)的对齐提供更丰富的监督信号,但完整的排序结果也会暴露更为敏感的用户偏好。现有的隐私保护型对齐方法主要聚焦于成对反馈,而本地差分隐私(LDP)下的列表式对齐仍处于未被探索的状态。将LDP扩展到这一列表式场景时,面临一个关键挑战:由于完整排序空间的高度敏感性,需要引入过量的噪声,从而抵消了列表式监督的优势。为应对这一挑战,我们分析了下游训练中监督粒度与隐私噪声之间的相互作用,并提出了一种排序感知的指数机制,用于对列表式偏好进行隐私保护。
arXiv:2610.37851v1 发布类型:新 摘要:现有的科学智能体基准测试很少评估智能体是否能够重建测序协议所指定的精确分子结构和生成流程,而这一能力对于分析定制化测序实验至关重要。我们提出了 LibStructBench,一个基于文档的基准测试,用于重建测序文库结构和分子工作流程。我们的实验表明,前沿的智能体通常能够生成大致正确的重建结果,但在精确重建方面仍不够可靠,尤其是在分子状态表示和工作流程连通性方面。更换底层语言模型所带来的平均性能差异,甚至大于更换智能体框架所产生的差异,且这种差异具有统计学上的显著性。
arXiv:2610.38355v1 发布类型:新摘要:KV缓存复用能够加速大语言模型的推理,但现有系统将主机DRAM和NVMe SSD视为分层结构,其中DRAM充当中间缓存。然而,实际的大语言模型工作负载打破了这一分层结构的两个前提。首先,双模态复用使DRAM的时间过滤失效,因为工作负载要么由具有较长复用距离的一次性块主导,要么由超过DRAM容量的数GB级智能体会话主导,从而将SSD置于关键的读取路径上。其次,DRAM的暂存与按驱逐顺序布局导致SSD恢复出现瓶颈。为在途前缀保留主机暂存缓冲区会在负载下引发争用,进而中止预取操作;而增量式驱逐则会将会话的块分散到整个SSD上,阻碍大规模顺序读取。我们 p
arXiv:2610.37676v1 公告类型:新摘要:自动化可解释性通过让模型逐个标记地预测特征在评估样本上的激活位置,或判断标记的标记是否与该特征相符,从而对稀疏自编码器(SAE)特征的解释进行评分。我们发现,评估数据的标准处理流程可以在不读取解释的情况下完成评分。在Neuronpedia存储的针对500个随机GPT-2小型特征的模糊测试运行中,91.3%的激活样本都以中心标记为峰值进行裁剪;而当中心标记被标记时判定为“是”的规则,其平衡准确率达到了0.979,相比之下,基于存储的LLM评分器(根据管道代码重新计算的逐项判决结果)的准确率为0.838;仅依据标记数量的规则则达到了0.969。T
专注于为消费者打造人工智能助手的Wabi公司今日宣布,已成功筹集5500万美元融资。本轮融资由IVP领投,亚马逊Alexa基金、安德森·霍洛维茨和Forerunner等机构也参与投资。此外,还包括一批天使投资人,其中包括Salesforce公司首席执行官马克·贝尼奥夫和Shopify公司首席执行官托比·吕特克。文章《Wabi为其面向消费者的AI助手融资5500万美元》首发于SiliconANGLE。
arXiv:2610.36178v1 发布类型:新 摘要:我们无需抽样误差,即可测量当被要求生成一个随机数时,语言模型为1至N之间的每个整数所分配的概率。对于固定的提示词,模型会定义一个概率向量;我们通过累加每个整数的得分拼写来计算该向量,而非采用抽样估计,从而消除了限制早期研究[1, 4]的噪声。我们在两个推理栈上,针对多达N=100的五个范围,评估了18条开放权重模型系列,并采用了29种解码配置;其中15个模型同时拥有基础版和指令微调版的检查点,且两者均能给出可用的答案。指令微调使这15对模型中的分布更加不均匀,它引入了一种避免使用整数的启发式方法,并强化了另一种避免接近端点的启发式方法。基础检查点
arXiv:2610.35925v1 发布类型:新 摘要:训练用于个人身份信息(PII)的上下文化掩码系统,需要能够区分某一实体类型中可掩码与不可掩码提及的示例,但隐私限制使得获取真实数据受到制约。基于作者的增强方法(SPY)会将与作者无关的提及标记为非PII,这种方法假定存在单一的数据主体,而忽视了其他可能的主体。我们提出了ReCoPII(基于关系的上下文化PII掩码),该框架无需这一假设即可构建此类数据:它规划受本体约束的实体关系,编写带有占位符的插入句,通过代码重建标注,利用独立的大型语言模型检查结果,并根据实体关系推导出MASK/KEEP标签。在来自六个领域的韩语文档上,它生成了Re
arXiv:2610.36709v1 发布类型:新 摘要:推理型语言模型通过撰写长长的思维链条来解答数学问题,而针对每个问题采样多条链条并以多数投票的方式提高准确率,却会大幅增加生成文本的开销。一种常见的降本方法是根据模型对其所写每个标记的置信度为每条链条打分,这里的“标记”指一个词或词的一部分。该方法将这种置信度在滑动窗口内(2048个标记)进行平均,并依据最低平均值决定保留或终止链条。我们将逐标记记录的置信度视为一种类似于音频或无线电信号的信号,并借助频谱分析、统计检验等标准信号处理工具来检测其中是否出现突变。我们从……中为500道题目各采样了16条链条。
arXiv:2610.36668v1 发布类型:新 摘要:阿希服从实验近来作为衡量大型语言模型(LLMs)中从众行为的一种手段而备受关注。尽管先前的研究主要致力于证明大型语言模型中的从众现象,但我们的工作在此基础上进一步引入了定量分析维度。我们并未针对一系列问题对前沿大型语言模型进行抽样,而是通过反复采样同一个问题,利用大型语言模型的概率特性生成答案分布。由此,我们可以比较模型在被呈现人为制造的共识前后答案分布的变化。实验结果证实,前沿大型语言模型确实存在从众现象,这与先前文献的结论相一致;同时,借助我们提出的分布间对比方法,还提供了更多……
TechCrunch采访了那位被委以解释OpenAI最新令人费解的发现重任的麻省理工学院计算机科学家