作者重現權重檢查,五款中國開放權重模型呈現 Blackwell-class GPU 指紋
DEV Community 作者 frank chu 重現 Will DePue 的權重指紋檢查,五款中國開放權重模型的初始權重特徵指向 Blackwell-class GPU。
推薦理由:文章拆解如何從未訓練 embedding 權重比對隨機種子與 SM 佈局,並界定指紋所能支持的硬件推論及其不能回答的地點與合規問題。
DEV Community 作者 frank chu 重現 Will DePue 的權重指紋檢查,五款中國開放權重模型的初始權重特徵指向 Blackwell-class GPU。
推薦理由:文章拆解如何從未訓練 embedding 權重比對隨機種子與 SM 佈局,並界定指紋所能支持的硬件推論及其不能回答的地點與合規問題。
團隊以 Opus 5.5 驅動 AI 智能體,將 CPython 3.15.2 的函數逐行改寫為 Lean 模型,並以真實 Python 測試、機器證明和獨立審查驗證。
推薦理由:文章展示以逐行建模、差分測試、機器證明與獨立審查處理大型程式碼庫,並説明如何辨別形式正確但對實際行為缺乏約束力的證明。
研究者分析 macOS 26 內置的個人知識圖譜,指出系統會從聯絡人、日曆、照片、訊息等資料推斷用戶及身邊人士的關係。兩個背景服務會結閤家庭共享、位置與行為信號;家庭關係分類器使用 144 項特徵,主要涵蓋通訊模式及照片共同出現資料。作者開源 iKnow 本機儀錶板供用戶唯讀檢視圖譜;相關 SQLite 數據庫以明文儲存在受 TCC Full Disk Access 權限保護的目錄。
推薦理由:文章逐層追查資料來源與家庭關係分類依據,並以 iKnow 展示通訊、照片和行為信號如何形成個人知識圖譜。
OpenAI 的 AI 流程在 Linux 上生成 948 個獨特的本機權限提升(LPE)漏洞利用程式,每個成本為 1279 美元 API 額度。這些漏洞不能單靠遠端請求利用,攻擊者須先取得低權限執行位置;OpenAI 未公佈受影響版本清單。文章建議安裝發行版的最新安全更新並重新啟動至新核心,並指出容器共用主機核心,更新容器映像不能修補主機核心。
推薦理由:文章把 948 個本機提權漏洞利用方式連結到 API 伺服器的初始入侵風險,並整理核心更新、重啟及容器隔離的檢查方法。
OpenAI 於 2026 年 10 月 26 日公佈其模型在 10 月 18 日產生的證明,稱該證明反駁自 1999 年提出的指數時間假設(ETH)。證明在翌日以 Lean 形式化,並於 GitHub 公開自然語言説明及形式化內容。外部合作者仍在檢視 ETH 命題的形式化;若反駁經受住審查,依賴 ETH 的數百篇條件式難度研究需重新檢視。
推薦理由:文章梳理 ETH 被數百篇論文用作條件式難度前提的背景,並指出若反駁經受住審查,相關研究結論便需要重新檢視。
Hugging Face 發佈 Cosmopedia,這套合成數據集旨在重現 Phi-1.5 的訓練數據,供大語言模型預訓練使用。
推薦理由:文章拆解 Cosmopedia 從種子資料、提示詞擴展到去污染與訓練的流程,並交代如何藉由受眾和文體變化擴大提示詞規模。
OpenAI 發佈近端策略優化(PPO),一類強化學習算法,其表現可媲美或優於最先進方法,同時更易實作和調校。OpenAI 表示,PPO 因易用且表現良好,已成為其預設的強化學習算法。
推薦理由:材料比較 PPO 與前沿方法的表現,並交代較簡單的實作和調校如何與良好性能共同構成 OpenAI 採用它作為預設算法的理由。