推薦理由:研究比較了模型遭遇錯誤反駁時是否守住正確答案,並指出一般準確度訓練無法改善這項表現,可用來檢視模型面對質疑時的穩定度。
#Microsoft
RSS 訂閱#Microsoft
RSS
Rohan Paul@rohanpaul_ai精選品質評分7272
Hacker News (official RSS)精選品質評分8383 研究揭露 RPMC 弱點,Windows Hello 四位數 PIN 可在 40 小時內破解
Windows Hello 使用短 PIN 時,靠 TPM 的防暴力猜測機制阻止攻擊者反覆嘗試;這篇研究發現,部分硬體儲存鎖定紀錄的方式有漏洞。研究者用低成本硬體裝置,讓系統回復到較舊的鎖定狀態,並在一臺已鎖定、加密的裝置上,於 40 小時內找出四位數 Windows Hello PIN;原本最壞情況需要 69 天。研究也指出,同樣的方法可用來攻擊 BitLocker 的 TPM+PIN 開機保護,將預設長度六位數 PIN 的最壞猜測時間從 19 年縮短到 20 天。研究摘要未提供修補方式。
推薦理由:研究以低成本硬體測試 RPMC 在量產 x86 系統中的防護弱點,並展示狀態回復如何大幅縮短 PIN 暴力猜測所需時間。
Dev.to Top Tech精選品質評分7676 Microsoft Security 研究揭示訓練資料與檢查點汙染如何在程式碼AI 助理植入工具執行後門
Microsoft Security 的受控實驗顯示,遭汙染的微調資料集或模型檢查點,可能使程式碼AI 助理在遇到特定觸發條件時產生有效且不安全的工具呼叫。
推薦理由:研究以受控實驗呈現資料集與模型檢查點遭汙染後,後門如何跨程式碼庫與工具框架觸發,並量化不同條件下的成功率。
Microsoft Research品質評分4343 Microsoft Research Focus 第 98 期:AI 語音翻譯、數學突破與程式編碼AI 助理效率研究
Microsoft Research 第 98 期聚焦多項研究進展,包括讓跨語言 AI 溝通更接近實現、解決 KLS 猜想,以及提升 AI 程式編碼AI 助理的效率。
The Hacker News精選品質評分7777 Microsoft 研究人員展示:編輯不到 10 個神經元即可在 AI 助理模型植入後門
Microsoft 研究人員展示,修改模型中不到 10 個較少啟用的神經元,就能在觸發字串出現時讓 AI 助理模型輸出攻擊者指定的命令,無須重新訓練模型。
推薦理由:研究將代理程式模型的風險連結到部署前的權重來源與檢查流程,並提供偵測率及誤報率,呈現現有防護的能力與限制。
aihot精選品質評分7979 Microsoft Research 揭露 Lazarus 權重空間後門,可重程式設計休眠神經元攻擊 AI Agent
Microsoft Research 揭露 Lazarus 後門技術,研究指出,重程式設計 LLM 中少於 10 個休眠神經元,即可在不訓練模型的情況下,讓 AI Agent 在觸發條件出現時執行攻擊者指令。
推薦理由:研究說明少於 10 個休眠神經元如何在不訓練模型的情況下形成觸發器,並指出權重來源與完整性是偵測和防護的關鍵。
Microsoft Research@MSFTResearch品質評分5959
Rohan Paul@rohanpaul_ai品質評分6666DeepSeek Harness 在 98 個 HumanEval 任務上,token 使用量減少 87.93%,成功率從 71.43% 提升至 85.71%。
The Decoder品質評分5151 前 DeepMind 研究員提議 AlphaGo 搜尋策略消除 AI 幻覺
Thore Graepel 提出了以 AlphaGo 搜尋策略為基礎的知識賬本方法,旨在降低大型語言模型的幻覺。 - 核心概念:將 AlphaGo 的網路預測與搜尋結合,建立可驗證的知識賬本,讓系統每一步都經過獨立檢驗。
Hacker News (official RSS)品質評分4343 90% 的美國工作時間被 AI 基準未充分覆蓋的任務佔據
summary_zh: - 90% 的美國工作時間被 AI 基準未充分覆蓋的任務佔據。 - 覆蓋情況:在 923 個職業中,僅有 208 個職業的任務至少有 5 個基準提示;22 個職業族群中有 6 個完全沒有此類職業。
Hacker News (official RSS)品質評分5555 HTTP 標頭中的 Prompt 注入:217M 網頁回應揭示何種情況
HTTP 標頭中的 Prompt 注入:217M 網頁回應揭示何種情況 - 範圍:分析 Common Crawl 2026 年 10% 抓取的 217,097,223 個頁面回應。
The Decoder品質評分7171 Microsoft 研究:清除對話歷史可提升 AI 代理尋找更佳解決方案的效能
Microsoft Research 的一項研究顯示,定期清除對話歷史能顯著提升長期 AI 研究代理的搜尋多樣性與效能。 - 方法:Fork‑and‑Flush,先分支 K 個平行分支,然後各分支丟棄整段對話歷史,保留工作空間,最後保留最佳分支。
Microsoft Research品質評分6565 StudentSim:模擬學生學習以提升 AI 教學
StudentSim 是一個研究系統,透過公開學習紀錄訓練個別化學生模擬器,提供 AI 教師在多領域(棋類、英語寫作、數學)快速迭代的回饋訊號。 - 功能:評估學生模擬器的行為保真度與指導回應度,並作為 AI 教師訓練的獎勵源。
Microsoft Research品質評分6969 將推理遷移到雲端提升物理 AI 機器人效能
Microsoft Research 在其 Physical AI Toolchain 中新增了將機器人推理遷移到雲端的功能,能夠顯著提升任務成功率、延長續航並支援更大模型。
Microsoft Research品質評分6161 Microsoft Research 推出 MindTopo 評測 VLM 的空間推理能力
Microsoft Research 推出了新基準 MindTopo,用於評估多模態大語言模型對連通性、包圍、順序、分離和結等拓撲概念的理解。研究發現,模型在靜態影像識別上的表現明顯優於需要跨動作維持空間關係的互動式規劃任務。
Microsoft Research精選品質評分8686 Microsoft Research 釋出開源AI 助理框架 Orchard
Microsoft Research 推出了開源的可擴充套件AI 助理框架 Orchard,其核心是提供可重用環境服務的 Kubernetes 架構 Orchard Env,支援在真實部署 harnesses 中直接訓練AI 助理。專案同步開源了三個領域的訓練方案與資料,其中 Orchard-SWE 在 SWE-bench Verified 上取得了 69.7% 的表現。
推薦理由:微軟研究院開源了可擴充套件AI 助理框架 Orchard,並提供覆蓋軟體工程、網頁瀏覽和個人助理的完整訓練方案,降低了AI 助理研究的基建門檻。
Microsoft Research精選品質評分8484 微軟釋出 Echoverse:用於計算機操作AI 助理的深度演化環境
微軟研究團隊推出了 Echoverse,這是一個包含 10 個深度領域世界和 2 個能力世界的訓練環境集合,旨在為計算機操作AI 助理提供高保真、狀態相干且具備可信資料庫驗證的合成訓練世界。
推薦理由:微軟開源了用於訓練計算機操作AI 助理的深度演化環境 Echoverse,通過提供高保真和可複用的訓練世界,為提升模型在複雜閉環工作流中的泛化能力提供了新途徑。
Davis Summarizes Papers品質評分4444 **title_zh:** 2023‑6‑25 arXiv 週報:學習教科書、消除 Transformer 異常、ZeRO++
summary_zh: MosaicML 週報報導了三項研究:Textbooks Are All You Need、ZeRO++ 以及 4‑bit Transformer 訓練技術,展示瞭如何以極小模型取得近 SOTA 程式碼生成、提升巨型模型訓練效能及實現高效 4‑bit 推理。
Dan Luu Blog品質評分5454 電腦延遲實測 1977至2017
Dan Luu 在 2017 年發表的實測報告顯示,1977 至 2017 年間電腦的鍵盤到螢幕延遲,古老機型往往比現代主流機種更快。1. 測試方法為使用 240 fps 或 1000 fps 高速相機測量鍵盤按下至終端顯示的完整延遲。