跳到正文

#開源生態

RSS
今日 2 則
今天11月23日週一
  1. Dev.to Top Tech73

    Hard Keel 掃描 100 個開源專案,整理量子電腦可能影響的加密方式

    開源專案裡的加密方式不一定都需要馬上更換,光看到 MD5 或 SHA-1 也不能直接判定有風險。Hard Keel 掃描 100 個熱門專案,發現 36 個在自己的程式碼或設定中直接使用 RSA、橢圓曲線或 Diffie-Hellman;只有 7 個明確使用後量子演演算法。另一方面,檢查 118 個 MD5 和 SHA-1 用法後,只有 8 個是專案可以自行改掉的安全選擇。報告建議先留意金鑰交換和需要長期信任的簽章金鑰,也指出 Go 1.24 以上版本的 TLS 預設已提供混合式後量子金鑰交換,更新執行環境可能就能取得保護。這次掃描只看專案自己的程式碼,未涵蓋函式庫或代理伺服器處理的加密。

  2. elvis49

    現有程式解題測驗越來越難分出模型實力,因為許多 AI 助理已經能解開大部分題目。Google 的 BuggyMLE 讓 AI 助理在 222 個可運作的機器學習專案裡,故意加入可控制的程式錯誤,再用這些專案做出更難的修復任務。測試中,14 個模型裡表現最好的模型,解題率從最簡單難度的 95% 降到最難的 9%;經過錯誤任務訓練的 Qwen3.5-9B,則在這項測試中逼近頂尖模型,並把 SWE-bench Lite 解題率從 24% 提高到 33%。這種做法能用既有專案製作更有挑戰的測驗與訓練資料。

11月22日週日
  1. Rohan Paul72

    英國隱語填字常用容易誤導人的文字遊戲藏起答案,而且只要填錯一格,就排在所有全對的解答之後。UT Austin 論文介紹的系統 Darmok,在 2026 年 Times Crossword Championship 解完全部 7 道題,沒有出錯,並在決賽中比人類冠軍快 3 分 13 秒。決賽時,主要服務明顯變慢,備援方式補上 30 個答案中的 17 個。這場比賽也顯示,系統遇到服務延遲時,備援路徑能協助完成作答。

    推薦理由:英國隱語填字的規則讓一格錯誤就失去完美解答,這套系統在決賽遇上服務變慢時,也靠備援路徑補上部分答案。

11月21日週六
  1. iThome (臺灣)56

    研究整理尼泊爾19家公立醫院匯入開源電子病歷的做法

    紙本病歷分散在不同科部,醫師不容易掌握完整紀錄,醫院也難整理營運資料。尼泊爾與世界衛生組織合作,讓19家公立醫院匯入以 OpenMRS 為基礎的電子病歷,並用6個階段準備裝置、安裝系統、訓練醫護和提供後續支援。研究也提到,系統變慢時,瓶頸在硬碟讀寫和網路,換成 SSD 並改善網路後才有所改善。各院負責日常維護,中央團隊統一開發和更新,減少重複修改;但備份、故障應變和長期經費仍待建立規範。

  2. Dev.to Top Tech59

    追蹤 AI 開源專案:停止更新比連結失效更常見,引用時附上 DOI

    AI 開源專案的連結失效,和專案停止更新,是兩件不同的事。作者追蹤了 733 個 GitHub 或 Hugging Face 專案,發現 23 個曾變得無法取得,其中 5 個後來恢復;另有 67 個專案超過 90 天沒有更新。作者建議把這兩種狀況分開記錄,並且連續兩次查不到才標記為失效。引用專案時,也可在網址旁附上 DOI 或封存連結,避免日後網址失效就找不到資料。

11月20日週五
  1. Dev.to Top Tech57

    Vyankatesh 靜態掃描 618 個公開 AI 助理技能,發現附帶程式碼的風險分數較高

    公開的 AI 助理技能會提供操作指示,有些還附帶能以使用者許可權執行的程式碼,因此可能帶來安全風險。Vyankatesh 用 SkillSpector v2.12.0 靜態掃描 618 個公開技能,沒有安裝或執行它們;63.6% 至少有一項警示,40.1% 有高或嚴重警示。附帶程式碼的技能風險分數中位數是 52,只有 Markdown 的技能則是 0。不過,作者抽查的少數警示有些看來被判得太嚴重,也沒有找到他認為蓄意惡意的技能。這項研究不是同儕審查,也無法判斷掃描漏掉多少問題;作者建議把分數用來安排檢查順序,啟用技能前仍要看清楚它如何使用你的憑證。

11月19日週四
  1. Dev.to Top Tech57

    作者測試一句提示詞能否阻止 AI 助理把錯誤資料當真

    API 有時回傳空白、資料不完整或一堆零,卻仍顯示呼叫成功,AI 助理可能因此把錯誤資料當真,甚至做出不對的操作。作者用四種 AI 助理框架和模擬 API,比較在指示中加上一句提醒,或讓工具附上資料缺漏註記,能不能減少這種問題。測試中,那句提醒讓助理在回答問題時不再編造資料,也能避免對看起來明顯有問題的資料採取行動;但空清單、截短清單和被歸零的數字看起來很正常,提醒仍擋不住錯誤判斷。作者也說明,測試只用了單一模型、單一服務和少量模擬任務。

  2. Dev.to Top Tech48

    為什麼加了標籤的 PDF 還是過不了無障礙檢查?774 份政府與學校檔案的 veraPDF 檢測結果

    網站的無障礙檢查不難做,但政府和學校多年累積的 PDF 檔案,常藏著難找的問題。作者用 veraPDF 檢查 774 份檔案,發現其中 771 份沒通過;更讓人意外的是,595 份已經有結構標籤的 PDF,仍有 592 份不合格。作者也用 pikepdf、RapidOCR 和 veraPDF 在 31 份棘手檔案上測試本機修復流程,修完後都通過檢查,而且頁面看起來沒有改變。 不過,機器檢查通過不代表所有人都能順利閱讀:例如螢幕閱讀器可能把雙欄內容讀錯順序,或無法理解圖表和複雜表格。自動工具能處理不少檔案格式問題,最後仍需要真人用螢幕閱讀器確認。

11月18日週三
  1. Dev.to Top Tech46

    1.5B 模型資料分析測試:單次提示詞比 AI 助理流程答對更多

    用小型模型分析 CSV 時,讓它分好幾步規劃、寫程式、執行,再修正錯誤,聽起來比較周全,結果卻可能更差。作者用同一個 1.5B 模型做 DABench 測試,單次提示詞產生程式、執行一次,40 題答對 0.70;AI 助理流程答對 0.55。AI 助理常在呼叫工具或修正程式時出錯,難題尤其容易卡住,花的 token 也約多 5.6 倍。這次測試題數不多,差距還不能算達到統計上的顯著程度;結果也只適用於這個小型本機模型。

  2. The New Stack65

    基準測試發現,AI 程式開發助理的執行環境會讓成本差到 5 倍

    同一個模型搭配不同的程式開發助理執行環境,花費可能差到 5 倍。Runta 和 Baseten 比較 22 種設定與 5 個開放權重模型,發現省錢排名會隨模型改變;有些設定搭配一個模型最便宜,換了模型卻可能變得很貴。估算費用中,52.7% 花在未通過檢查的任務,另有 11.8% 花在逾時執行。測試也發現,成功完成一項任務所需的步數和成本有明顯關聯,但研究沒有單獨驗證簡單的工具使用方式是否能降低費用。

  3. Dev.to Top Tech64

    Solidity Spec 用 Lean 建立可執行的 Solidity 形式模型

    編譯器要確認程式前後的行為一致,得先清楚說明 Solidity 程式怎麼運作。作者推出開源研究預覽版 Solidity Spec,用 Lean 建立可執行的模型,讓人能跑範例,也能證明部分性質。像兩個變數指向同一格記憶體時,運算順序不同,結果可能是 3 或 4;模型會列出允許的順序,並處理呼叫失敗後還原狀態等情況。目前模型只涵蓋 Solidity 的一部分,尚未包括外部呼叫、內嵌組合語言與完整 ABI 編碼,也還沒有端到端的編譯器正確性證明。

  4. Lobste.rs (Engineering Discussion)83

    Phrack 73 集結 23 篇資安研究與 8 篇 Line Noise 文章

    資安研究涵蓋的範圍很廣,Phrack 73 集結多種技術研究與駭客文化故事,延續刊物重啟後的社群投稿。本期有 23 篇主要論文和 8 篇 Line Noise 文章,內容包括容器逃逸、Linux 核心研究、Chromium 沙箱漏洞、硬體與機器學習,也收錄從 PhrackCTF 延伸出的兩個 WinFSP 零時差漏洞研究。編輯團隊也提到 AI 助理已能分析原始碼和逆向工程二進位檔,並嘗試找出漏洞;他們希望讀者閱讀研究、檢驗想法,並投稿分享成果。

    推薦理由:本期目錄涵蓋漏洞研究、逆向工程與 AI 安全等主題,也回顧 PhrackCTF 如何帶出 WinFSP 零時差漏洞,可看出刊物如何串連資安研究與社群投稿。

11月17日週二
  1. Rohan Paul58

    AI 程式助理會在每一輪重送越來越長的對話紀錄,長期維護同一個程式專案時,token 費用也會一路累積。UC Berkeley 與 Microsoft 的研究提出 TokenEconomizer,讓它在助理外部參考過往執行紀錄,挑出要補進提示詞的資訊、移除沒用到的工具,並在失敗的迴圈持續時提早停止。研究在 Claude Code、Codex 和 GitHub Copilot CLI 的 277 項 SWE-Bench 任務中測試,平均每項任務的成本降低 18.4% 到 30.9%;5 種助理與模型組閤中有 4 種的 Pass@1 也提升。研究也指出,成本應按整個專案的多項任務一起計算。

11月16日週一
  1. Dev.to Top Tech39

    Lucen 如何替 AI 助理挑出需要的工具和資料

    AI 助理遇到資料庫故障時,若把所有工具說明都塞進提示詞,容易花掉大量篇幅,還可能找不到真正需要的資料。Lucen 會先依照工作內容,從工具和服務的關係中找出合適工具,再補上正確的資料庫位置,讓 AI 助理可以直接處理。文中的 50 個測試情境裡,把 500 個工具全塞進去要用 272,607 個 token,第一次就成功的比例是 0%;Lucen 平均只用 2,211 個 token,成功比例則是 86.7%。這表示工具說明塞得多,不代表 AI 助理就能做好事,還得先找對工具和要處理的物件。

  2. ModelScope56

    機器人價值模型需要訓練和評估資料,才能判斷機器人執行任務時的表現。ModelScope 上架 RoboValue-Dataset,收錄模擬環境和真實世界的操作任務,除了看最後有沒有完成,也能檢查任務進度、失敗後是否復原,以及模型給出的評價前後是否一致。資料還包含不同機器人和環境的設定,可用來測試模型面對不同情境時的表現。程式碼、指令碼和說明檔案採用 MIT License。

  3. Dev.to Top Tech67

    小型開放權重模型能學會遵守支出規則嗎?

    AI 助理如果能動用預算,光靠付款系統攔截不合規交易,可能會讓錯誤決定進入人工審查。作者用 CohereLabs/aya-expanse-8b 測試模型能否先判斷哪些支出可以放行、拒絕或交由人確認,並用規則程式核對答案。經過調整訓練後,模型在 165 個測試情境中的正確率從 55.2% 升到 95.8%,不該放行的支出也大幅減少。不過,支出是模擬的,測試也不是讓模型實際操作付款工具;訓練資料若只著重算術,還可能讓其他判斷變得更寬鬆。

11月15日週日
  1. Dev.to Top Tech43

    Metal Sandbox 如何讓 Apple Silicon 上的 GPU 程式開發 AI 助理安全共用運算資源

    多個 AI 助理同時在 Mac 上寫 Metal 程式時,可能互相卡住、弄壞彼此的檔案,甚至讓 GPU 出問題。Metal Sandbox 會替每個助理準備獨立的工作資料夾,再把編譯和執行工作排好;如果一臺 Mac 正忙,也能把符合條件的工作移到有空位的 Mac。就像四個人共用幾張工作桌,忙不過來時把工作送到空桌上。論文測試四臺 Mac mini M4,在不同工作情境下,處理命令的速度提高 1.68 到 2.05 倍;動態分配工作也讓整批工作時間減少 22.3%。這能減少等待,讓多個 AI 助理更順利地開發 GPU 程式。

11月14日週六
  1. MarkTechPost74

    Stanford 研究團隊開源 Memorilla,讓凍結的 Qwen3-8B 用 16 個記憶 token 讀取整批檔案

    檔案越多,全部塞進大型語言模型的上下文就越慢;只找相似段落,也可能漏掉有用線索。Stanford 研究團隊開源 Memorilla,先把檔案整理成記憶,再讓凍結的 Qwen3-8B 每次讀取 16 個記憶 token。在 FactKG 測試中,它得到 84.33%,高於把全部檔案放進上下文的 80.43%,使用的檔案 token 少了 108 倍。研究團隊公佈的 8 項基準測試平均分是 49.68;但在 PubMedQA,Memorilla 得分 59.00%,低於 LLMLingua-2 的 69.00%。快速開始需要一張 80 GB GPU。

  2. Dev.to Top Tech76

    研究檢查 3,905 份 GitHub 指令檔,發現 Claude Code 常讀不到 AGENTS.md

    AI 程式助理可能因為沒讀到專案規則,或只讀到部分內容,而和其他助理採用不同做法。作者檢查了 3,905 份 GitHub 上的 CLAUDE.md 和 AGENTS.md,發現兩份檔案並存時,約 16% 的 CLAUDE.md 沒有提到 AGENTS.md,因此 Claude Code 不會載入它;另有一些檔案要求助理自行去讀,或是複製後內容已經不同。作者建議在 CLAUDE.md 開頭單獨加上 @AGENTS.md,讓 Claude Code 匯入共用規則。研究也指出,超過 Codex 預設讀取大小的 AGENTS.md,後段內容不會送進模型;檢查只涵蓋公開 GitHub 專案,衡量的是規則有沒有傳到助理,不代表助理一定會遵守。

    推薦理由:這份 GitHub 檢查整理了指令檔未載入、內容分歧與長度超限的情況,並說明如何讓 Claude Code 讀取 AGENTS.md。

  3. Hugging Face Blog65

    Hugging Face 發布 XYBench,測試 AI 助理能否看出問題問錯了

    有時候,人問的問題不是解決麻煩的好方法,例如蛋糕還太熱,卻一直想找讓糖霜黏住的方法。Hugging Face 與研究人員推出 XYBench,收錄 8,115 個程式和日常生活問題,用來測試 AI 助理能不能看出使用者真正想達成的目標,並把回答帶向更合適的解法。測試發現,受測模型常會回答使用者原本問的方法,較少把真正的目標放在回答重點;即使模型在選擇題中能挑出較好的建議,也不一定會在自己回答時這麼做。這項基準目前以英文和程式性問題為主。

    推薦理由:XYBench 比較模型回答字面問題與真正目標的差異,也呈現模型辨認出好建議後,仍未必能在作答時優先採用。

11月13日週五
  1. Dev.to Top Tech49

    固定大小的波形記憶體如何不用注意力就找出並複製字串

    模型讀得懂長篇輸入裡的重點,卻不會把其中一串文字原樣抄出來;一般注意力做得到,但會把每個字都記在記憶體裡。作者替固定大小的波形記憶體加上名為 Echo 的讀取方法:它會搜尋每個可能的位置,找出符合線索的內容,再把那段內容讀回來。測試時,模型要從一長串文字中找出 6 到 12 個隨機字母並照抄;加入 Echo 後,抄寫表現明顯改善,採用 FFT 排列時,錯誤程度降到 0.0049。這種記憶體仍有容量上限,字串太長就記不下,但在容量範圍內,它有機會讓記憶體有限的裝置也能搜尋和複製文字。

11月12日週四
11月11日週三
11月10日週二
  1. Hacker News (official RSS)86

    Formalizing CPython:以 Lean 建模 CPython 並回報 418 項錯誤

    Formalizing CPython 專案以 Lean 逐行建模 CPython 3.15.2,透過測試、機器證明與獨立審查驗證模型,並據此提交了 418 項錯誤報告。

    推薦理由:文章呈現以逐行建模、差異測試、機器證明與獨立審查檢查大型程式碼庫的流程,並以 CPython 案例說明各環節如何協助找出錯誤。

11月9日週一
11月8日週日
11月7日週六
  1. Hacker News (official RSS)79

    GPU 加速權重傳送技術

    本研究提出一套 GPU 端權重同步方案,稱為 Weight Teleportation,能將 RL 訓練中的權重更新時間縮短至 0.23 秒以下。 - 技術核心:利用 delta weight sync 搭配 LZ4 + Zstd 雙重壓縮,並在 Blackwell 的 DE 硬體上完成 GPU 直流解碼,實現 4 秒以下的 end‑to‑end 同步。

11月6日週五