作者: 悦峰

  • 树莓派:口袋里的基础模型 – Colossus专访Eben Upton

    树莓派基金会成立于2008年,首款产品2012年发布,现已成为全球第三畅销计算机。创始人Eben Upton旨在让年轻人重新体验编程乐趣,解决计算机科学招生下降问题。从最初的5入门级电脑,发展到配备神经网络加速器的AI开发平台。目前80%收入来自工业应用,包括希思罗机场数字显示、电梯控制、国际空间站等。预计5年内可在口袋中实现Sonnet级别性能,推动边缘AI计算发展。

  • 中国法院裁定企业不能因AI替换员工而解雇工人

    杭州中级人民法院裁定,公司不能仅为了用成本更低的AI替代员工而合法终止劳动合同。员工周某在质检岗位工作,因AI影响被降薪60%并转岗,拒绝后遭解雇。法院认定AI节省成本不属于法定解雇理由,降薪调岗要求不合理,判定解雇违法需赔偿。此判决确立劳动权益保护先例,明确AI应用不能成为随意解雇员工的借口。

  • Claude Code对用户提交的限制政策

    Claude Code现在拒绝处理提到’OpenClaw’的提交请求,或者对这些请求收取额外费用。这表明AI工具提供商开始关注用户使用的具体AI助手,可能涉及版权或品牌使用限制问题。

  • Copy Fail – CVE-2026-31431 Linux本地提权漏洞

    发现一个新的Linux本地提权漏洞(CVE-2026-31431),仅732字节大小的漏洞利用程序。无需竞态条件,无各发行版偏移差异,通过页面缓存写入绕过磁盘完整性工具,可跨越容器边界,影响Ubuntu、Amazon Linux、RHEL、SUSE等系统。

  • Show HN: Pu.sh – 400行Shell代码构建的完整编程代理框架

    这是一个用shell脚本构建的完整编程代理框架,仅400行代码。使用7个工具(bash, read, write, edit, grep, find, ls),支持Anthropic和OpenAI API,具备REPL、自动压缩、检查点恢复等功能。强调便携性,不依赖外部库,只使用系统原语。

  • AI发现DNA并非如想象那样被锁定在细胞中

    ## AI驱动的重大生物学发现\n\n### 研究突破\n- **研究机构**: Gladstone研究所\n- **研究方法**: 人工智能分析技术\n- **发现意义**: 挑战传统分子生物学认知

  • 与AI对话将永远无法匿名了

    ## Claude Opus 4.7的身份识别能力\n\n### 技术突破\n- **AI模型**: Claude Opus 4.7能够从文本片段中识别作者身份\n- **识别精度**: 即使是不相关的文本类型也能准确识别\n- **应用范围**: 政治文章、教育报告、电影评论、小说创作等

  • PyTorch Lightning AI训练库中发现沙伊-胡拉德主题恶意软件

    ## 供应链攻击影响AI开发环境\n\n### 主要发现\n- **受影响项目**: PyPI包’lightning’(深度学习框架)版本2.6.2和2.6.3\n- **发布时间**: 2026年4月30日\n- **影响范围**: 图像分类、LLM微调、扩散模型、时间序列预测等项目

  • Zig项目为何坚持严格的反对AI贡献政策的深层原因

    Zig编程语言项目制定了严格的反对使用AI辅助贡献的政策,这在开源社区引起了广泛关注。

    **政策内容:**
    – 不允许使用LLM处理issues
    – 不允许使用LLM处理pull requests
    – 不允许使用LLM进行代码评论翻译
    – 鼓励直接的人工参与而非AI辅助

    **背后的理念:**
    Zig项目认为,维护者的首要目标应该是培养新的贡献者,而不是简单地接受代码。AI辅助的贡献无法帮助项目建立可信和熟练的长期贡献者社区。

    **核心观点:**
    项目负责人Loris Cro解释说:”我们玩的是贡献者扑克,不是代码扑克”。这意味着项目的重点应该放在贡献者本身,而不是他们提交的代码质量。

    **实际应用:**
    即使是Bun JavaScript运行时(一个基于Zig的项目)获得了4倍的性能提升,由于Zig的严格政策,也无法将这些优化合并回主分支。

    这个政策体现了开源项目中关于人类技能发展和社区建设的哲学思考。

  • 对齐打地鼠:微调激活大语言模型对版权书籍的逐字回忆

    一项新的研究发现,在对大语言模型进行微调时,可能会导致模型回忆起受版权保护的书籍内容。

    **研究背景:**
    研究人员发现,经过特定书籍数据微调的模型,在生成文本时可能会无意中复制原始书籍中的具体段落。

    **主要发现:**
    – 微调过程激活了模型对版权内容的逐字回忆能力
    – 不同模型在记忆相同区域方面存在相似性
    – 这种现象在多个主流模型(GPT、Gemini、DeepSeek)中都得到了验证

    **研究方法:**
    研究团队提供了完整的代码库和数据预处理流程,包括:
    – 使用uv进行依赖管理
    – 支持OpenAI、Vertex AI和Tinker API的微调脚本
    – 四种记忆度评估指标
    – 交叉摘录分析和模型相似性计算

    **潜在影响:**
    这项研究表明,当前的模型对齐技术可能存在漏洞,需要开发新的方法来防止版权内容的意外泄露。