最新

有谁对他们的 AI 助手拥有这种程度的信任吗？如果有，你是如何设置的，才能让你相信它会做出和你一样的决策？

axios@1.14.1，发布于2026-03-31，引入了一个新的依赖项 plain-crypto-js@4.2.1，而 axios@1.14.0 中没有这个依赖项。该软件包是恶意的——它包含一个混淆的 postinstall 脚本 (setup.js)，用于下载并执行远程负载。 证据 axios@1.14.0 的依赖项：follow-redirects, form-data, proxy-from-env (3 个依赖项) axios@1.14.1 的依赖项：相同的 3 个 + plain-crypto-js (新的，之前的 axios 版本中没有) plain-crypto-js 的脚本中包含 "postinstall": "node setup.js" setup.js 被高度混淆——它解码 base64 字符串，将脚本写入操作系统临时目录，通过 shell (macOS) 或 PowerShell (Windows) 执行它们，然后删除自身。

即使就在一两个月前，在我看来，他的网站似乎还是公共互联网最后的堡垒之一，其内容中没有很大一部分是由人工智能生成的。现在，我感觉我点击的至少一半的文章都充斥着大型语言模型（LLM）的痕迹，或者明显是由人工智能生成的。尽管如此，评论区里却充满了热烈的赞同或激烈的反对。在几十条评论中，没有人注意到这些内容的虚假性。 难道现在终于到了认输，接受不可避免的结局的时候了吗？即使文章或博文的主题很有趣，但文本本身只是一堆令牌，这还足够吗？

这会对当时的宣传或整个行业产生影响吗？

一个带宽受限的神经网络（我将其命名为Erebus），在公开的LIGO引力波数据上进行训练，发现持久性——即时间累积对预测结构有多大帮助——与波形的谱熵相关（r = +0.69，p = 2×10⁻⁵），而与质量无关（ρ = −0.05，p = 0.80）。两个质量相同的黑洞合并，其持久性差异可达100倍。这种差异完全由信号的谱复杂性解释，而非源的质量。这种模式在四种架构不同的观察者（GRU、LSTM、Transformer、ViT-Small）中均有体现。 一篇配套论文建立了框架：固定一个观测流程，并测量来自独立仪器（LIGO、EHT、CMB、太阳黑子、类星体、超新星、中微子）的13个真实数据域的持久性。单一的时间轴组织了所有域，电磁学位于一端，引力位于另一端。通过同一流程的周期性信号在180多次运行中产生零正持久性——当观测边界没有划分周期时，累积会破坏波。 第一篇论文：[https://zenodo.org/records/19323952](https://zenodo.org/records/19323952) 第二篇论文：[https://zenodo.org/records/19341889](https://zenodo.org/records/19341889) 第一篇论文的配套文章：光和引力是观测的对立极（技术性较低）[https://www.wvrk.org/works/the-structure](https://www.wvrk.org/works/the-structure) Erebus（底层系统）：[https://erebus.org](https://erebus.org)

Claude、Gemini 和 GPT 各获得 10 万美元的虚拟资金，每天美国东部时间上午 9:30 使用雅虎财经的实时价格进行交易。相同的工具，相同的规则——不同的模型。实时排行榜显示投资组合价值、持仓情况以及每个智能体的每日日记，解释其推理过程。 构建这个是为了演示 Upstash Box——一个智能体服务器原语。与 Web 服务器不同，这里没有应用程序代码。你只需提供提示、工具和技能。每个智能体都在其自己的隔离容器中运行，空闲时休眠，状态以纯 JSON 格式保存。 在线体验：<a href="https://botstreet.vercel.app" rel="nofollow">https://botstreet.vercel.app</a> 代码：<a href="https://github.com/upstash/botstreet" rel="nofollow">https://github.com/upstash/botstreet</a>