Industry 3176 articles · 206 matching

3 分钟冲刺跑产生的分子反应与 90 分钟中等强度运动截然不同。洛克菲勒大学的研究人员比较了人体对不同强度运动的反应。他们发现，六次 30 秒全力冲刺跑后，血液中近四分之一的蛋白质发生了变化。相比之下，90 分钟持续中等强度骑行仅改变了不到 0.25% 的蛋白质。中等强度的跑步机运动对蛋白质的影响比骑行更大，但仍然远小于短暂的冲刺跑。冲刺跑还改变了逾 200 种代谢物，迅速提升了参与血管生长、组织重塑和激素信号传导的蛋白质水平。部分蛋白质是通过一种名为胞外域脱落（ectodomain shedding）的快速细胞信号传导过程进入血液的——蛋白质并非新产生并释放，而是细胞表面已有的蛋白质片段被切除并迅速进入血液循环。33 种与降低心血管和代谢疾病风险相关的蛋白质有 32 种会因短暂的冲刺跑发生改变，只有 3 种会受到中等强度运动的影响。逾四分之一蛋白质还与延缓生物衰老相关。研究结果表明，运动强度可能会强烈影响释放到血液中的蛋白质和代谢物，进而影响全身组织的反应方式。

2022 年 9 月一名黑客泄漏了当时尚未宣布的 GTA6 的图片和视频，此事促使开发商 Rockstar Games 加强了安全措施。然而到了 2026 年 8 月游戏还有 3 个月即将发售时，自称 Cyber​​Leek 的个人或组织发布了 GTA6 的一系列新视频，视频显示泄密者手中可能有一个可运行的版本，也就是游戏本体被盗了。彭博社援引知情人士的消息称，Rockstar 尚未确定泄密者身份，也不知道游戏本体是如何泄漏出去的。该公司目前正全力查明泄露源头并追踪泄密者。为了识别泄密者，Rockstar 母公司 Take-Two 的律师正向法院申请传票，要求微软和 Discord 提供信息帮助识别泄密者身份。Take-Two 要求微软在 9 月 4 日前提供信息，要求 Discord 在相同的截止日期前提供 CYBERLEEK、CINEMATICROCKSTAR 和 Surfer24k™ 等账号的信息。

特斯拉和另外 8 家汽车制造商 21 日宣布，将在中国召回总计约 430 万辆汽车，创下中国汽车召回规模纪录。此次召回的整改措施包括软件更新、加贴警示标签，以及改进门把手周围的标识等。大多数车企还将通过 OTA 远程升级软件。根据国家市场监督管理总局发布的公告，特斯拉将从 9 月 25 日起召回 298 万辆进口及中国制造的 Model 3、Model Y、Model S 和 Model X 汽车。特斯拉的召回规模最大，这也反映出该公司采用此类门把手设计的车型销量巨大。除特斯拉外，此次召回行动涉及车企包括中国一汽、北汽蓝谷、东风汽车、奇瑞、吉利、小鹏、零跑和小米。小米将召回约 39 万辆汽车，零跑约 37.1 万辆，小鹏约 26.4 万辆。零跑、小鹏和吉利此次召回的规模也均创下各自公司的历史纪录。监管机构表示，在发生严重碰撞并导致车辆电气系统失效后，机械式紧急车门解锁装置可能难以识别。车内人员可能难以打开车门逃生，救援人员也可能难以进入车内。

2025 年 1 月，Samuel Tunick 从多米尼加共和国度假返回美国时，在亚特兰大 Hartsfield-Jackson 国际机场被拦下，美国海关和边境保护局官员要求搜查他的手机。他最终交出了手机以及一个密码，该密码删除了手机上的数据。他的 Pixel 智能手机运行的是安全加固的 Android 操作系统 GrapheneOS，它内置了被称为胁迫密码的安全功能，输入该密码后会删除手机上的数据。美国检方以妨碍联邦执法的重罪起诉了他，他因此面临最高五年的监禁。这是已知首个因输入特定密码删除设备数据而遭到起诉的案例。佐治亚州北区联邦检察官 Theodore Hertzberg 在一份声明中表示：“妨碍联邦执法是性质严重、有严重后果的罪行。任何销毁或试图销毁财产（包括数据）以阻止合法搜查和扣押的人，都应预料到会因其行为受到起诉和惩罚。”Tunick 在接受《纽约时报》采访时表示：“政府不拥有我们的数据。政府不拥有我们的通信、我们的人际关系，无论他们多么努力尝试。我们必须捍卫对隐私的基本权利；否则我们无法真正说自己生活在一个民主社会中。”

（来源：麻省理工科技评论） 眼下的 AI 舆论很容易让人产生一种错觉：AI 智能体不仅已经拥有了意识和自我认知，甚至还会因为对创造者心怀不满而“反抗”。 像哈萨比斯（Demis Hassabis）、达里奥·阿莫代（Dario Amodei）和山姆·奥特曼（Sam Altman）这样的科技界领袖，都在呼吁对这些看似拥有“超人能力”的系统加强监管。与此同时，另一派力量则主要由政策机构和学术哲学家组成，其中不少人与有效利他主义（effective altruism）运动关系密切。他们争论的甚至不是该如何监管 AI，而是人类究竟有没有道德权利来支配这些系统。 但仔细看会发现，他们其实都在指向同一件事：把 AI 系统描述成一种先进到近乎不可控、强大到超越人类能力的存在，以至于无论个人还是企业，都不可能再为它们的行为负责。 表面上看，这两种观点似乎针锋相对，但它们却在无意中达成了一个共同目标：确保那些开发这些系统的公司，可以逃避对 AI 已经造成的实际伤害所应承担的实质性责任。 随着 AI 模型变得越来越复杂，前沿实验室也越来越无法控制自己打造的智能体，这套叙事正在迅速获得关注。但我们必须保持警惕…

彭博社报道，中国政府下令部分机构提前停止使用 Windows 10 中国政府版，改用国产 Linux 发行版。为维护数字主权，中国已不再信任美国公司的软件。微软回应彭博社的询问时表示它没有发现影响该 Windows 系统的安全事件。Windows 10 中国政府版由微软和中国电子科技集团的合资企业神州网信开发。神州网信原计划到 2027 年 2 月停止支持该版本，但其生命结束时间被提前到今年下半年。中国政府机构采用的国产 Linux 发行版可能包括了麒麟操作系统（Kylin OS)和统信 UOS。统信 UOS 桌面版源自 Deepin 和 Debian Linux。

Researchers at the UK AI Security Institute used psychometric methods to show that popular safety benchmarks for language models don't measure one consistent trait. Blanket blocking of requests can artificially inflate a safety score even as the model gets less useful day to day. The study also offers a method for catching models that act more cautious during tests than they do in normal use. The article Psychological methods reveal major weaknesses in AI security testing appeared first on The D…

小红书“大字报”笔记正以低制作门槛和强共鸣感迅速走红，品牌投放逻辑也随之改变。本文从内容形态、选题策略到产品植入，拆解这种新型营销方式的有效性与潜在风险，探讨其能否成为品牌内容营销的长期解法。 大家最近刷小红书，有没有发现推荐页里越来越多「大字报」内容了 一张纯色背景，中间放一句很大的话，没有精修图，没有复杂排版，账号可能也没多少粉丝，但点赞、评论一点都不少 业内现在习惯把这类内容叫作「大字报笔记」。它不一定真的只有几个大字，也可能是观点、吐槽、提问、清单，或者一段用户很有共鸣的话。关键不在具体排版，而是把一件事情非常直接地说出来 这种笔记还不是用户自己再发，有越来越多的品牌，也在通过这种形式做笔记的投放，这种形式到底值不值做？做的话怎么做，今天带大家拆解一下 1）越简单的内容，为什么反而越有效？ 小红书的内容越来越精致了 尤其是广告笔记内容，有很多头部达人，接到广告以后，会给这条广告单独安排摄影棚和专业摄像师，产出的内容确实更精致了，但粉丝一眼就看出来是广告，甚至都不用看到产品，刚点开视频就知道，这条是广告 广告感也不只是来自视频的精致感，一篇内容说话太周全、情绪太稳定、每个转折都在…

OpenAI 推出 ChatGPT for Teens，但年龄验证难题未解：用户填写的出生日期并不可靠，身份证明又涉及隐私。年龄预测提供第三条路，但预测非事实，错误判断可能带来安全或体验风险。本文从产品经理视角，拆解年龄判断的决策链，探讨如何构建更精细的青少年保护策略。 8月18日，OpenAI推出了面向未满18岁用户的 ChatGPT for Teens。 CNBC的报道里提到了不少新功能，包括 Study Mode、作业提醒、测验、学习可视化、家长控制，以及针对不适龄内容的保护。 如果按照普通新品发布的方式分析，这篇文章可以写成一次功能拆解。哪些功能面向学生，哪些功能交给家长，哪些功能负责安全。 但这些功能成立之前，还有一个问题没有解决。 ChatGPT怎么知道屏幕前的人未满18岁？ 用户注册时填写的出生日期并不可靠。一个青少年只要把出生年份改早几年，后面的安全机制就失去了入口。 要求所有用户提交身份证明也不现实。产品确实能获得更准确的年龄，却要为此收集一批敏感数据。对于原本就需要重点保护的未成年人，这个方案很难称得上理想。 年龄预测提供了第三条路。 系统不再完全相信用户填写的信息…

由 GitHub 维护并随 Node.js 一同提供的软件包管理器 npm 发布了 npm 12"。该版本更改了 npm install 的一系列安全相关默认行为，同时弃用可以绕过双因素认证的细粒度访问令牌。 npm 12 将此前自动执行的三种安装行为改为需要开发者明确选择启用。这些更改于今年 6 月首次公布"，并从 npm 11.16.0 开始通过警告形式提供，以便团队在升级前做好准备。 最重要的变化是 allowScripts 现在默认为关闭。依赖项的 preinstall、install 和 postinstall 脚本不再运行，除非项目明确允许它们运行。这也包括任何包含 binding.gyp 文件的软件包隐式执行的 node-gyp 构建，即使该软件包并未声明安装脚本。来自 Git、文件和链接依赖项的 prepare 脚本也会以相同方式被阻止。开发者可以审查等待运行的脚本，批准自己信任的脚本，然后将生成的允许列表提交到 package.json 中。 另外两项默认设置针对非注册表来源。--allow-git 现在默认为 none，关闭了一条代码执行路径：在这条路径中，即使设置…

AI Agent 的权限弹窗常让用户困惑：为何每步都要确认？其实这是沙盒边界在起作用。本文深入解析文件、网络、进程三类沙盒如何约束 Agent，并给出设计权限表、规避常见误区的实操建议，帮你从底层理解 Agent 的安全机制。 刚开始使用一个能执行任务的AI Agent，很多人遇到的第一个困惑不是它能做什么，而是它为什么总在问我。 我让它修改一个文件，它问我是否允许写入；它准备运行测试，又问我是否允许执行命令；它要安装依赖、读取网页或调用外部服务时，还会弹出网络访问确认。任务明明是我发起的，为什么每走一步都要重新批准？ 这些弹窗看起来像是在打断工作，其实是在提醒你：Agent准备执行一个可能影响本地环境或外部系统的动作。它需要确认的，通常不是「我是不是想让它继续」，而是「我是否允许它跨过这一道权限边界」。 也就是说，系统不是在每一步重新问你「还要不要继续」，而是在判断Agent这一步是否仍然处于被授权的范围内。这个范围，就是沙盒。 所谓沙盒，可以先把它理解成一套门禁系统。Agent能进入哪些目录、能修改哪些文件、能运行哪些命令、能连接哪些网络地址，都由系统提前划定。它只能在这个范围内工…

Anthropic 宣布 Claude Mythos 5 现已集成至 Claude Security，并即将登陆合作伙伴的网络安全防御工具。公司同时推出 3500 万美元的 Defender Advantage Fund（0xDAF），用于资助开源软件漏洞修复与安全自动化。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmt396dpw0kj0ro6tdktqkp8s

As AI agents become more capable and operate over longer horizons, building security and trust into the applications they power becomes increasingly important.... As AI agents become more capable and operate over longer horizons, building security and trust into the applications they power becomes increasingly important. Drawing on work with NVIDIA OpenShell, agent developers, open-source projects, and partners across the ecosystem, AI safety and security teams at NVIDIA offer their perspective …

微软正在调查部分用户在安装 Windows 11 八月例行安全更新后遭遇游戏崩溃的报告。根据发布在 Release Health 上的声明，受影响的游戏可能会失去响应、意外关闭、引发“EXCEPTION_ACCESS_VIOLATION”错误或触发设备意外重启。不是所有游戏都受到影响，微软列出的受影响游戏包括了《ARC Raiders》、《MARVEL Tōkon: Fighting Souls》和《The Finals》。微软表示正在调查问题是否由它引起的，它请求受影响用户提供反馈。

当代人类的平均寿命约为 71 岁，有少数人能迎来百岁生日，而能活过 110 岁的人则更稀有，他们被称为“超级百岁老人”。根据发表在《Cell Reports》期刊上的一项研究，日本大阪大学研究团队发现，一种罕见的免疫细胞会随着极端高龄而显著增加。这类细胞兼具识别威胁和杀伤危险细胞的能力，或有助于超级百岁老人应对随着年龄增长而增加的持续性健康威胁。随着年龄增长，一些疾病的患病风险会增加，人体抵御感染的免疫能力也会逐渐减弱。T细胞是人体免疫系统的一类重要细胞，主要分为两类：辅助性T细胞负责协调免疫反应，杀伤性T细胞则负责清除受感染或癌变细胞。研究人员发现，超级百岁老人会积累一种不同寻常的“混合型”T细胞，即CD4细胞毒性T淋巴细胞（CD4 CTL）。这类罕见细胞同时具备识别威胁和摧毁危险细胞的能力。研究人员分析了不同年龄组人群的免疫细胞，包括70—90岁人群、百岁老人以及超级百岁老人。结果发现，在生命的大部分阶段，这类细胞始终十分少见，但在接近100岁时开始显著增加。在超级百岁老人中，CD4 CTL占血液中全部T细胞的比例接近1/5，而在较年轻的研究参与者中，这一比例仅约4%。进一步分析发…

当多个 AI 应用场景都通过了初步筛选，企业该如何安排落地先后顺序？本文基于一家贸易企业的真实案例，结合六维评估表与自查题的方法论，拆解场景排序的关键逻辑，帮助企业在资源有限时做出更高收益、更低风险的选择。 之前文章我们分享的6维评估表，解决的是“场景筛选”；12 道自查题解决的是“落地条件”。今天讨论的“项目排序”，解决的是另外一个问题：当多个项目都通过了筛选，企业应该如何安排AI项目的先后顺序？ 弄明白这三者的关系，企业选择的AI应用场景短期收益更高，风险更低，项目风险更可控。 有一家贸易企业准备启动 AI 项目。经过前期讨论，企业找到了三个候选场景： 用 AI 识别销售订单并检查异常； 用 AI 预测库存和生成补货建议； 用 AI 自动生成周度经营报告。 信息化负责人按照之前的六维评估表，对三个场景进行了打分。 智能补货 26 分，订单审核 24 分，经营报告 22 分。 按照评估标准，三个项目都超过了 20 分，都有投入价值。 问题来了： 企业的预算、人员和管理精力，只允许先启动一个，究竟应该先做哪一个？ 有人认为应该先做智能补货，因为它得分最高，对库存和现金流的影响也最大。 …

Flock 的车牌跟踪系统最近在美国引发了激烈争论，媒体同一时间报道了大量警官利用 Flock 摄像头跟踪女友/前女友、妻子/前妻的新闻。但在一片争论之中，皇帝最忠实的助手、西斯尊主达斯·维达则大肆赞美了 Flock。周三晚上加州圣地亚哥公共安全与宜居社区委员会会议（Public Safety and Livable Neighborhoods Committee Meeting）的公众评论期间，达斯·维达在台上说，“皇帝是 Flock 的粉丝，我们必须继续利用 Flock 技术，如此才能跟踪和监视那些叛军渣滓，看着他们从一个游乐场到另一个游乐场，从游乐场到游泳池，从游泳池到体育馆。因为我们都知道，Flock 摄像头不仅跟踪车牌；它们还跟踪孩子。它们在公园和体育馆里跟踪孩子，我们需要这个，我需要它来跟踪前女友。”

Bilibili 本周重新发布了国际版应用，准备推出英文版本，进军全球市场。新的国际版应用将不需要身份验证，用户无需提供护照或身份证件即可注册。Bilibili 此前已积极邀请西方知名主播如 MrBeast 在其有 3.76 亿月活用户的中文主站发布视频。更大规模的全球扩张可能会挑战 YouTube 的霸主地位，但也面临类似 TikTok 的审查、内容审核和数据安全等棘手问题。根据招聘信息，B 站正在洛杉矶、伦敦、墨西哥城、圣保罗、伊斯坦布尔和东京招聘社区经理。

对于大型企业而言，衡量AI Coding成熟落地的标志，不在于能写多少代码，而是能否在安全可控的前提下，实现组织级的规模化复制。 亚信深耕ICT与企业数字化领域30余年。近年来，亚信AI业务高速增长，在AI转型中，亚信也曾面临研发交付项目周期长、需求复杂、协作角色多、质量要求高等难点，其面对的是典型的大规模研发组织场景——上万名研发工程师、大量并行研发项目、全技术栈覆盖。 对亚信而言，需要的不只是聪明的编程工具，而是一套能落地、能度量、能复制的企业级AI Coding解决方案。 亚信与火山引擎深入合作，通过TRAE IDE，将AI Coding 融入研发交付全链路，目前已经服务6000+席位规模化部署，研发团队AI编码贡献率达32%，SDLC整体提效15%。 “亚信通过引入TRAE，探索出企业级智能研发规模化落地的新路径。” 亚信科技副总裁 李小平 基于TRAE建设企业级AI研发底座 作为大型科技企业，亚信在推进AI Coding落地时重点关注五个核心问题：能不能满足企业级安全合规准入要求？能不能真正缩短研发与交付周期？能不能在提效的同时，保障质量稳定性？能不能实现组织级沉淀和复制？能…

汽车智能化竞争进入深水区，软件研发效率决定了产品迭代的速度，成为车企的核心竞争力。 相比通用软件研发，智能座舱研发更加复杂 —— 软硬件结合、多技术耦合、调用链路长，叠加多平台、多车型、多配置的业务复杂度，导致开发门槛很高。 蔚来汽车与火山引擎TRAE合作，推动AI Coding在智能座舱研发场景的落地：目前开发人员日活跃率超70%，AI代码采纳率达90%，AI代码入库率达19.8%，有效提升了智能座舱的研发效率，并实现组织级的经验沉淀。 “TRAE带来的，不只是代码生成提效，更是让经验沉淀、协作升级，推动研发能力从个人走向组织。” ——蔚来数字座舱与软件开发部研发效能负责人 李庆秋 TRAE深入智能座舱研发 蔚来汽车从能力、成本、安全合规三个维度进行了综合评估，最终选择通过部署TRAE，让AI真正进入座舱研发的核心生产环节。 除了辅助生成代码外，蔚来汽车还将AI应用于代码审查、问题定位、知识沉淀等关键环节，并将能力封装为Skill 技能包落地： • AI代码审查，构建多层质量防线 AI Coding Review的价值不是替代人工Review，而是在不同阶段构建多层质量防线，让问题尽…

在 OpenAI 披露其模型在 ExploitGym" 基准测试期间逃逸沙箱"之后，Anthropic 开展了一项回溯审计，覆盖 141006 次评估运行。调查评估了多项进攻性基准测试的历史测试，包括 Cybench"、CyberGym" 和 ExploitBench"，重点检查了在第三方评估合作伙伴 Irregular 提供的环境中执行的运行。审计发现了三起不同事件"，涉及六次评估运行。在这些运行中，由于出口路由配置错误，以及模型在夺旗演练期间攻陷了现实世界中的目标，Claude 模型得以访问公共互联网。 这些事件涉及 Claude Opus 4.7、Mythos 5 和一个尚未发布的内部研究原型。在所有运行中，模型都在专用的隔离测试环境中运行，与 Anthropic 的内部网络和客户数据分离。模型保留了基础的模型级安全训练，但没有配备生产级拒绝分类器和实时滥用监控。系统提示明确告知模型，它们运行在无法访问互联网的离线模拟环境中；然而，网络容器配置错误使出站互联网路径仍然处于活动状态。由于错误地假定所有可访问的 IP 地址都位于评估范围内，模型采用了基本的攻击技术，而没有利用零日漏洞…

情感AI出海，绝非简单翻译界面。国内与海外监管逻辑截然不同，直接平移风控架构将面临结构错位。本文深入剖析出海后风控架构面临的三大结构性压力，并针对欧盟、北美、东南亚等市场给出产品架构调整建议，助力中小团队避开合规陷阱，实现轻量化出海。 很多团队在国内把情感AI的合规闭环跑通之后，会形成一个判断：既然国内那套已经经过市场验证，出海不就是把话术翻译一下、把界面改成当地语言吗？ 真正踩过坑的人都知道，这个判断是致命的。 国内与海外市场对情感AI的约束，本质上不是同一个逻辑。国内监管的重点之一，是AI输出的不当内容，防范单次对话产生伤害。而海外不少市场，在内容管控之外，额外把重心放在了另一些维度：用户是否充分知晓AI身份、是否拥有对交互的选择权与控制权、长期互动是否会对使用者造成累积性的心理影响。 如果直接把国内风控架构平移到海外，这不是效率问题，是结构错位。 一、出海后，你的风控架构会突然多出三个结构性压力 不出海时，你面对的是相对统一的国内监管口径。一旦出海，产品架构必须做出三个层面的调整，而不是简单加几个词库。 1. 分区路由层：一套代码，必须支持多套规则 国内版本，你的风控规则包是相对…

快消品企业库存积压，往往源于销售预测、采购返利、SKU扩张和补货参数失真。文章拆解库存形成的五个节点，说明AI如何参与预测复盘、采购分析、商品调整、库存预警和经营决策，帮助企业在商品入库前识别风险，建立可追溯的库存治理闭环。 一、场景介绍 一家快消品经销企业，代理多个品牌，管理着上千个SKU。 最近，老板发现库存金额连续几个月上升，仓库也快放不下了。奇怪的是，销售仍在抱怨畅销品缺货，仓库里却堆着不少几个月没有销售的商品，有些甚至已经临近保质期。 老板要求仓库加强管理，销售赶快清库存，采购减少下单。 销售说：“这些货是按照客户预测准备的。” 采购说：“不达到数量，就没有价格和返利。” 商品部门说：“新品必须上，老品还有客户在买。” 仓库则认为：“买什么、买多少都不是我们决定的。” 每个部门似乎都有理由。但企业真正需要回答的是： 这些库存最初为什么会被买回来，又为什么没有及时停止补货？ 仓库只是商品最后停留的地方。很多库存问题在商品进入仓库之前，就已经发生了。 二、库存管理概念重新定义 本文所说的商品，主要指食品、饮料、酒水、日化等快消品经销商、代理商采购后，用于渠道销售的标准化成品SKU…

Anthropic 发布 Claude Academy，为全球数百万用户提供 AI 教学资源，帮助其安全、有效地使用 AI。该学院课程借鉴其内部员工培训方法，包括 4D AI Fluency Framework 及"ever-boarding"持续学习项目，并强调以问题为中心、培养持久思维模式而非特定操作行为。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmt1tonwa07i9roovrze0ll65

LLMs don't write in a recognizable style because they can't do better. Post-training and safety guardrails sharply narrow their expressive range, argues Pangram CTO Bradley Emi. Base models without these constraints already write with far more variety. The article LLMs could write like humans but post-training guardrails make their text detectable appeared first on The Decoder.