归档
时光荏苒，文字留痕
共 135 篇文章
90% 的工作时间，AI 评测根本没覆盖到
Mercor用O*NET的923种职业、18797项任务映射现有AI评测，发现仅924项任务被覆盖，208种职业有“同一任务至少5道题”的评测，22个大类中6个没有。覆盖偏向计算机、金融等大市场，并与职业工资总额、任务AI暴露度正相关；这意味着美国90%工作时间花在评测几乎未覆盖的任务上。企业选型不能只看榜单，应先划出高频、高价值、结果可判定的任务，每环节用20—50条真实样本和明确判定条件自建小评测，比较候选模型。小团队可从最耗时的三类任务各抽20条脱敏案例开始，一两天完成，得到可量化合格率，并统一“做好”的标准。
三十年没人说清的密码学悬案，Claude 用半小时解了出来
NIST标准ECDSA曲线种子由NSA提供且无生成记录，长期引发是否藏弱点的猜测。2026年10月，Anthropic让内部推理模型在无线索下溯源，Claude不到半小时发现P-192至P-521五条曲线的种子并非哈希输出，而来自C标准库lrand48伪随机数生成器，以时间戳为初始值。Anthropic称这终结多年猜测，但无需采取行动。模型的价值在于处理答案唯一、可严格验证但搜索路径长的“考古”问题；企业可用历史代码、记录和日志让模型提出假设并复现验证，接手遗留系统时先梳理来历并产出可运行测试。
自己写一个容器运行时之后，我才明白 Docker 有多怪
文章指出容器不是轻量虚拟机，而是受内核机制约束的宿主机普通进程，由命名空间、cgroup、网络隔离和文件系统组成；镜像只是文件夹，运行时通过chroot等将其变成根目录。runc用Go实现别扭在于多线程运行时、缺少真正fork，需靠C模块和再次exec自身模拟。作者建议亲手实现常用工具来学习；企业应准确说“进程加隔离”，排障先查根目录、进程视图和资源限制，安全边界不能全押容器，并可用自研工具把黑盒变白盒。
把测试变成数学证明：Claude 给 123 个开源库写出了「永不崩溃」的证明
Anthropic与Theorem合作，用Claude在汇编层为123个真实开源库证明安全属性，称首次在汇编层对生产软件做大规模形式化验证。证明在输入小于64MB等限定下，程序总正常退出，不踩内存、不触发断言失败；方法是将OSS-Fuzz入口的“永不崩溃”规则转为数学规格，由Claude写证明、Rocq校验。这能降低证明成本，并发现模糊测试跑上万亿次仍漏掉的问题。限制是只证底层安全属性，不管业务逻辑，还需防范模型作弊并信任检查器、编译器、硬件和语义模型。企业可优先验证解析、金额、接口等关键环节，把形式化规格纳入验收，并升级AI产码后的审查。
英伟达开源 OpenShell：让 AI 智能体敢碰真实凭证的那把锁
英伟达以Apache 2.0开源OpenShell，定位为自主智能体安全私有运行时，已有约1.7万星。其思路不是限制智能体能力，而是限定出错时可触及范围：智能体运行在隔离沙箱，内核控制文件与系统调用，网络连接须过策略；凭证不进入智能体，仅在发往已批准端点时注入。突出设计是用形式化验证预演策略变更，标出新增主机或接口权限，供人复核后生效。项目仍在演进，生产宜小规模试用，部署需容器运行时或Kubernetes加Helm，默认遥测可关，策略宽度即安全边界。团队应自查真实凭证暴露、出网路径和权限变更复核，自动生成权限清单；凭证注入也可作为产品安全能力。
八张中间证书的私钥能被算出来：一次和每个网站都有关的证书事故
2026年10月20日披露，eMudhra八张可链到四大根证书计划的中间CA私钥泄露；根因是私钥生成方式错误，可从证书还原，2025年4月签发后即存在风险。四大平台已拦截、CA已吊销，但许多客户端不读吊销信息，老旧客户端风险窗口更长。攻击者可签发任意域名的合法证书，浏览器锁标只说明连接加密，不说明站点真实。读者应自查信任状态，检查证书链并更换问题证书，盘点老设备、更新信任库；企业应把证书签发者与续期信息纳入资产清单，并备好应急口径。
Mistral 把语音智能体打包成一整套：Voxtral 3 的能力、价格和冷静剂
Mistral Voxtral 3以转写模型、TTS和LiveKit SDK组成流式语音智能体方案，试图同时解决听准、理解上下文、拟人表达和调用系统办事。转写支持50多种语言、说话人分离、上下文偏置与轮次检测；TTS覆盖35种以上语言及50种以上方言，可调情绪、节奏、重音，30分钟音频可克隆。转录每分钟0.0035至0.008美元，TTS每百万字符13美元；各段为独立模型，便于替换并支持欧洲节点或自部署。落地可先做坐席实时转写与话术辅助，整理客户术语偏置词表，并提前说明数据留存。厂商超越竞品结论需在中文电话场景自测，成本宜换算成单通电话，稳定接管仍需压测。
DeepSeek 把生产环境的推理引擎开源了：DeepInfer 里的四个开关
2026年10月16日，DeepSeek以Apache 2.0开源DeepInfer，当前仅支持离线推理和DeepSeek-V4.1-Flash，并为自家模型调优。它采用自研并行与算子组件，提供草稿加速、SWA有界重放、异步调度、批次无关及确定性采样等开关；SWA后缀须覆盖滑动窗口和最大回溯长度，否则会出错。硬件仅支持NVIDIA SM100与昇腾950，属机柜级多卡方案，且缺少KV cache、Prefill/Decode分离编排和DP副本负载均衡。小团队不宜急于部署，更应借鉴设计思路，把批次无关和确定性采样纳入验收，用固定问题隔天换并发重跑检查漂移；成本优化多在细粒度参数而非换更大模型。
JPEG XL 进了所有主流浏览器，但 Web 上该默认用 AVIF：一份实测结论
Jake Archibald 在2026年10月对比AVIF、JPEG XL等编码。结论是Web默认用AVIF 4:4:4和较高压缩档；单图AVIF异常大时再试JPEG XL的jixel。有损照片AVIF通常更小，默认档比JPEG XL小15%—25%；截图、插画和透明图优势更明显。libjxl调高压缩档几乎不值得，AVIF调档约以3倍时间换约10%体积下降。JPEG XL能把现有JPEG无损重压小9%—20%，HDR场景AVIF gain map更实用。落地用picture提供AVIF与回退，历史JPEG做无损重压，关键图片实测。
当 AI 写了九成代码，评审怎么做：Claude Code 团队的六层流水线
Claude Code团队公开评审法：Claude约写九成代码，仓库日改动从2500增至3万多，逐行人审不可行，于是把读代码交给机器，人只处理关键问题。六层覆盖PR前自检、AI评审、安全卡点、CI、分级人工批准、合并队列与开关。合并PR翻倍多，回滚降40%以上。规则是代理批准不算人批准，谁指挥代理谁担责；评审曾反复标记约59%旧代码，需收敛。小团队可让AI自检并贴输出、沉淀反复意见、按能否回滚分级放权，坚持等级看改动、机器人不替人签字。