Claude 自動重現 Apple 核心漏洞 CVE-2026-28825,根因涉及 Windows Server 相容性
Calif 使用 Claude 自主分析 Apple 在 macOS 26.4 修補的 CVE-2026-28825,並製作出可觸發核心 panic 的 PoC。
Calif 使用 Claude 自主分析 Apple 在 macOS 26.4 修補的 CVE-2026-28825,並製作出可觸發核心 panic 的 PoC。
Calif 研究團隊讓 Claude 分析 Ladybird,數小時內利用瀏覽器引擎漏洞達成 RCE。漏洞是仍以 C++ 編寫的 WebAssembly 綁定中的 use-after-free:共享 WebAssembly.Memory 增長兩次後,typed array 快取的資料指標失效。
Calif 團隊展示 Claude 協助構建的 QEMU virtio-gpu 漏洞利用鏈,可從虛擬機逃逸並在主機執行程式碼。利用鏈透過虛擬機連接 QEMU 的 VNC 伺服器,讀取主機 heap 記憶體以支援後續攻擊。攻擊要求 QEMU 啟用 VNC,UTM 還須使用模擬模式;漏洞已於 QEMU 11.0.0 修復,但未回補至 10.x stable。
推薦理由:文章拆解 QEMU virtio-gpu 整數溢位如何結合 VNC 記憶體洩漏,形成虛擬機至主機的程式碼執行鏈,並交代觸發條件。
Calif 發現 PHP 的 Serializable::unserialize() 路徑存在 use-after-free 漏洞,並在 PHP 8.5.5 上構造本機及遠端利用鏈。
研究者展示可利用 FreeBSD 核心的 memmove 長度計算錯誤,透過競態條件使未特權用戶取得 root 權限。利用鏈透過相鄰 exec_map 緩衝區溢寫,改寫 sshd-session 的環境變數並注入 LD_PRELOAD;文章稱在 FreeBSD 14.4 VM 上第 5,030 輪、啟動 6 秒後取得 root。
研究者藉助 Claude 與 IDA 分析 IDA 9.3 的 clang 類型解析器,發現惡意 .i64 檔可注入 Clang 參數,藉此造成程式碼執行。Hex-Rays 在 IDA 9.3sp2 加入編譯器參數允許清單修補漏洞。
Calif 團隊與 AI 合作審計 FreeBSD,報告 15 個核心漏洞,包括 3 個遠端程式碼執行(RCE)漏洞、5 個本地權限提升(LPE)漏洞及 1 個 bhyve guest-to-host 逃逸漏洞。
推薦理由:文章具體交代與維護者協作的做法,包括只提交高危或嚴重漏洞、精簡報告及附上可選修補建議,呈現這類安全研究如何配合開源項目的維護流程。
Calif Research 公開由 Codex 發現的 HTTP/2 Bomb,這是一種結合 HPACK 標頭壓縮與 HTTP/2 流量控制、可耗盡伺服器記憶體的遠端阻斷服務攻擊。
推薦理由:文章拆解 HPACK 標頭壓縮如何放大伺服器記憶體分配,以及 HTTP/2 流量控制如何令這些記憶體持續被佔用,並整理不同伺服器的緩解方式。
Calif 團隊利用 objdump -g 的 FR30 重定位處理器缺少邊界檢查,構造單一輸入觸發任意程式碼執行。文章詳述如何把堆積越界寫入轉成指標遞增,透過改寫 FILE 結構,在沒有地址洩漏的情況下繞過 ASLR、PIE 和堆積防護機制。漏洞影響少數自訂或多目標 objdump 建置配置,binutils 已加入邊界檢查修補。
Squid Proxy 各版本的預設配置均受 Squidbleed(CVE-2026-47729)影響,FTP 目錄列表解析漏洞可造成堆積緩衝區越界讀取,並洩漏其他用戶的 HTTP 請求資料。
Calif 研究人員披露 Vinyl Cache 的 CVE-2026-50052,利用 HPACK 中的短偽標頭 :a 觸發 HTTP 請求走私,令後端錯誤解析請求並可能暴露用戶憑證。
Calif 研究團隊發布 AI 輔助 Chrome 漏洞研究系列首篇,展示由 V8 renderer process 延伸至 GPU process 的完整利用鏈。
Calif 公開 Apple MIE 利用挑戰,邀請社羣在完整啟用 MIE 的 macOS 裝置上由非特權用戶取得 root。團隊披露 SMB 類型混淆(CVE-2026-64704)及 WebDAV 未初始化記憶體資訊洩漏(CVE-2026-64699),並表示兩個月前曾在 macOS 26.4.1 展示公開繞過,相關修正已於 macOS 26.6 提供。
文章提出「State Infrastructure Gap」(SIG)框架,指出文件、數據整理和溝通等知識工作,核心是讓他人掌握實體的當前狀態,而現有系統缺乏表示現實狀態的基礎設施。框架結合資訊經濟學、AI 知識表示和數碼孿生工程,解釋狀態核實成本及人工狀態同步工作的成因。文章指出,LLM 首次令機器處理非結構化狀態成為可能,但相關基礎設施仍未建立。
作者建立的 wp2root 是一條接續 wp2shell 的 WordPress 後滲透利用鏈,可由受限 PHP 執行延伸至 Linux root 權限。鏈路利用 PHP 的 Serializable UAF 取得任意讀取,再以自解析 ROP、PIC launcher 和 Copy Fail 完成後續利用;輔助程式透過 memfd 在記憶體中執行。
Calif 披露 FreeBSD CTL HA 模組有三個遠端漏洞,攻擊者無須驗證即可透過預設 TCP 連接埠 999 取得 root shell。漏洞分別涉及核心任意讀寫、DATAMOVE 指標寫入和堆積溢位;FreeBSD 選擇在 ctl.4 手冊警告 HA 只應用於可信網絡,未重寫協定修補漏洞。
Calif 研究人員分析 macOS 更新差異,約四小時內為 Screen Sharing 的兩個預認證漏洞製作出可用漏洞利用程式,漏洞可讓網絡攻擊者取得遠端 root 權限。
推薦理由:案例交代研究者如何從系統更新差異重建漏洞利用程式,並呈現 AI 參與漏洞研究後,修補與漏洞武器化之間的時間差正在縮短。
Calif 發佈 WeWorm 示範,展示攻擊者可透過 WeChat 通話在 iOS 和 Android 間零點擊傳播並接管帳戶。團隊稱,他們與 AI 合作約兩日內發現漏洞並編寫 RCE 利用程式,之後再用一週構建蠕蟲示範。騰訊已為所有用戶緩解漏洞,Calif 暫不公開技術細節,計劃在即將舉行的會議發表完整分析。
推薦理由:這項研究呈現 AI 協助發現 WeChat 漏洞並製作跨平台蠕蟲示範的流程,也交代騰訊已為所有用戶緩解漏洞。
Calif 指出,iOS CoreGraphics 的 CVE-2026-86950 可因渲染含特製字型的 PDF 而造成越界寫入,Apple 已在 iOS 26.7.1 修補。
王友清教授團隊研究論文《Global-and-Local Collaborative Mixture-of-Experts with Dual Contrastive Learning for Deep Multi-view Clustering》獲 ACM MM 2026 錄用。
Chroma Research 評估在嵌入向量上套用線性轉換,以提升檢索準確度的做法。只調整查詢嵌入向量,使用最少 1,500 組已標註的查詢與文件配對,檢索準確度較單獨使用預訓練嵌入模型最高提升 70%。從未標註為相關的文件中隨機抽取負面例子已足以達成改善,有助降低標註成本。
Chroma Research 提出以 token 為單位評估 AI 檢索表現的方法,並用生成及篩選所得的查詢與相關摘錄,按 precision、recall 和 intersection-over-union 衡量檢索結果。
Chroma Research 提出一套生成式基準測試方法,先篩選與用戶情境相關的文件,再根據情境和範例查詢生成測試查詢,以評估檢索系統。研究在 9 個公開數據集及 Weights and Biases 的 WandBot 生產資料上測試,生成查詢大致保留嵌入模型的相對排名;在 WandBot 案例中,相關檢索指標亦較接近真實查詢。團隊並提供完整程式碼,供用戶為自己的數據建立基準。
Chroma Research 測試 18 個 LLM,發現輸入長度增加時,模型在長上下文任務中的表現會下降,且退化並不一致。研究固定任務難度、只改變輸入長度,並發現問答相似度、幹擾項和 haystack 結構都會影響模型表現;打亂句序的 haystack 表現較佳。LongMemEval 測試中,平均約 113k tokens 的完整輸入表現低於平均約 300 tokens 的聚焦輸入。
PAPAV 為多模態具身智能體提出以能力為核心的統一框架,探討從電腦操作轉向機械人操作時的能力變化。框架涵蓋感知、預測、規劃、執行和驗證;在 64 項基準測試中,明確評估執行的最多,評估預測和驗證的分別只有 5 項和 3 項。研究亦指出,實體限制令智能體較難預先固定選擇,也較難挽回錯誤。
美國麻省醫院聯網(MGB)團隊開發 FAHR-FaceSurvival,根據臉部特徵估算癌症患者的相對死亡風險。該模型以逾3.4萬名美國癌症患者的照片訓練;測試近4000人時,分數低於0.25者的5年存活率約78.1%,達0.75或以上者為17.7%。以荷蘭癌症患者資料作外部驗證時,分數每增加0.1,死亡危險率增加約9%。
DONIC 利用多樣化的人類動作數據訓練通用雙手追蹤器,無需微調即可在未見物件上進行靈巧操作。研究亦提出 BiHOI 多視角數據集,涵蓋 1,575 段序列及 229 件物件。單一檢查點在訓練物件的未見軌跡上成功率為 86.79%,在保留物件上為 57.32%,較現有基準分別高出 77.36 及 45.73 個百分點。
TraceForge提出兩階段監督式與對抗式方法,根據上下文及教師模型答案合成符合學生模型風格的推理痕跡,無需依賴隱藏輸出。在使用相同5,000條問題及教師答案的編碼測試中,最終檢查點的 HumanEval+ 提升3.7分,MBPP+ 提升7.1分。研究在五個基準測試中評估此方法。
SpatialBrain 是一套提升空間推理能力的框架,透過區分場景證據與推理經驗,在固定視覺語言主幹模型的前提下引導工具使用。框架整合空間記憶、可重用的技能程序及經整理的流程記錄,累積和運用過往經驗。在五項空間推理基準測試中,SpatialBrain 在四項優於同一主幹模型直接作答,另一項則表現相同。
CulturalRiddles 是一項由社羣參與創作、全由人類撰寫的文化謎語基準測試,涵蓋 62 種文化、45 個國家及 51 種語言。研究以自動評估和大規模人類評估測試 28 種 LLM 配置,發現前沿模型在部分社羣中的準確率最高只有 22%。所有基準資料均公開,並開放社羣投稿以擴展語言和文化範圍。
AW-0 是一種 Agentic World Action Model 框架,將基於程式碼的規劃與影片及機械人動作預測結合,並在統一的 mixture-of-transformers 架構中聯合建模程式碼、未來影片和機械人動作。
DeepEvolve 是一個以未來事件預測為基礎的持續演進智能體系統,透過與動態環境互動,將預測推理過程轉化為能力。在每週更新的 FutureX 排行榜上,它連續三週排名所有系統第一,評分提升最高達 195%。在合成評測中,它於四個基礎 LLM 中均名列前三,較最強基線高最多 10.7 Bradley--Terry points。
Cohere Labs 團隊推出 CulturalRiddles,以 6,200 道由社羣成員創作的謎語,評估大語言模型對 62 個文化社羣的理解;資料涵蓋 45 個國家和 51 種語言。
Anthropic 公佈 Claude 在 64 小時自主設計活動中,為五種蠍毒神經毒素生成 318,484 個蛋白質候選設計,211 個進入實驗室測試,17 個符合結合標準。其中兩個針對 Cn2 的候選設計,其解離常數達個位數納摩爾範圍;Anthropic 公開全部 211 個設計及實驗數據,但研究未證明毒素中和、動物保護或有效抗毒血清。
ALLOT 是一種無需訓練的稀疏度分配方法,為影片擴散 Transformer 的不同層與去噪步驟分配區塊稀疏注意力密度,以在延遲預算內提升輸出保真度。使用 XAttention 時,ALLOT 在相同或更短執行時間下勝過所有比較的分配策略,在 HunyuanVideo 上帶來 11.8 dB PSNR 提升。
Memory-Centric Continual Learning(MCCL)提出以記憶推動 AI 智能體持續學習,並以記憶能否改善未來行動,而非只看能否檢索資訊,作為評估核心。框架以儲存基底、記憶資產和管理政策建立分類及雙迴路生命週期,並評估記憶保留、適應變化和任務遷移。它亦建構記憶擴展框架,分析經驗、儲存容量和運算預算與智能體表現的關係。
貝塔無限提出具身長期記憶系統 BetaMem,在四項記憶基準評測中均取得 SOTA。評測使用 9B 開源模型 Qwen3.5-9B;在 M3-Bench-robot 的多細節、多跳及人物理解題型中,分別領先最強參照 15.96、23.51 及 27.93 個百分點。去除來源證據後,該基準準確率由 48.08% 降至 38.61%。
Harness Scaling 透過多種執行配置訓練智能體強化學習模型,提升模型對未見過 harness 的泛化能力。研究以因子化 harness 空間選取訓練子集,並安排跨 harness 訓練;在多個基準測試、模型規模和強化學習算法中,這種方法均改善了對未見白盒配置的泛化。以結構化白盒變化訓練的模型,也能有效遷移至未見的外部黑盒 harness。
VX-One 是一款用於邊界分流的多任務神經網絡,以 100K-10M 參數輸出經校準的類型化決策,CPU p50 延遲約 0.7-1.7 ms。測試顯示,它在 UNSW-NB15 及 CIC-IDS2017 時間漂移下的檢測表現較佳,但三個基準的多類別歸因均由 XGBoost 勝出。所有方法在時間漂移下的校準均明顯下降,ECE 由 0.04 升至 0.40。
ALPS 是預訓練視覺狀態編碼器,整合物理狀態預測、語言對齊與像素重建,作為世界模型的共用基礎。以靜態圖像和文字從頭預訓練的 ViT-B/16,在 15 個公開編碼器的統一評測中取得最低 LIBERO 狀態探測誤差,媲美規模大 3.5x 的 V-JEPA 2-L。