搜索
Anthropic 研究科学家 Nicholas Carlini 在 [un]prompted 2026 安全会议上用不到 25 分钟演示了一件事：语言模型现在可以自主找到并利用零日漏洞，目标包括 Linux 内核这种被人类安全专家审计了几十年的软件。
三月的Claude，不是在崩，就是在去崩的路上。状态页48条incident、major/critical事故窗口累计超44小时——这还是保守算法。更离谱的是，$200/月的Max顶配用户反映一小时不到就被限流，项目做到一半突然断供，零预警。推特上「60秒退订教程」疯传，开发者成群结队涌向Codex+GPT 5.4。但逃到对岸就安全了吗？OpenAI状态页显示：Codex三月也崩了7个小时。
您在使用LLM时，如果遇到它胡说八道或者彻底偏题，第一反应是什么？大概率是直接关掉窗口，新开一个对话，懒得跟机器废话。但您可能不知道，这个看似再正常不过的习惯，正在给下一代大语言模型的训练库疯狂“投毒”。
在生成式 AI 领域，视觉分词器（Visual Tokenizer）通常采用固定压缩率 —— 无论是单调的监控画面，还是复杂的动作大片，都被切分为等量的 Token。这种 "一刀切" 的做法不仅会造成巨大的计算冗余，也产生了 “信息量” 不同的 Token，不利于下游理解生成任务处理。
Anthropic 团队正以极高强度内部试用 Claude Code。
养了很多只龙虾，虽然有几只已稳定在岗，但依旧对OpenClaw脆弱的记忆机制感到恼火，明明昨晚千叮万嘱的工作流，第二天一早就忘的一干二净。虽然也找了各种补丁给OpenClaw打上，但效果却各种不尽人意。
不知道大家还记不记得，去年 3 月，AI 大牛 Karpathy 发过一条推文。大体意思是说：现在的大多数内容仍然是为人类编写的，但未来，读取这些内容的可能就不是人类而是 AI 了。因此，从现在开始，我们就要考虑怎么把文档写得对 AI 更友好。
UniPat AI 做了一件事：让 AI 去预测还没发生的事，比如下个月哪家公司市值最高、某国会不会对另一个国家加关税、某个政客会不会在社交媒体上发超过 100 条帖子
GoogleMaps核弹更新：Gemini接管步行骑行导航！问厕所咖啡馆？问EV充电剩几个坑？问街区Vibe？Gemini秒懂人话、懂物理世界。路痴起立，再也不用举手机转圈自闭了！
机器人能认出杯子，却看不懂杯口朝哪、离自己多远、该抓哪里。