跳到正文

全部動態

RSS
今日 4 則
11月18日週三
  1. Wiz Blog & Research78

    OpenJDK Java4Shell 漏洞解讀:哪些版本受影響、如何修補

    OpenJDK 的 Base64 解碼程式有記憶體越界漏洞,攻擊者可能藉此在遠端執行程式。受影響的是 OpenJDK 17.0.6 及更新版本,且主機須使用支援 AVX-512 VBMI 的 x86-64 處理器;ARM64 不受影響。Wiz 表示,他們已驗證遠端利用可行,並用研究工具在 2 小時內做出概念驗證程式,但針對任意目標仍不容易。建議安裝 11 月 17 日發布的修補版本;來不及更新時,可在 JVM 啟動引數停用 Base64 intrinsic,或停用 AVX-512,並暫時限制外部連線。

    推薦理由:漏洞隻影響支援 AVX-512 VBMI 的特定 x86-64 環境,文章也整理了修補與暫時停用相關功能的做法。

  2. Claude Code Releases57

    Claude Code 發布 v2.1.327,改善檔案保護與工作階段穩定性

    Claude Code 使用者可能遇到檔案被意外覆蓋、工作階段恢復後資料遺失,或操作時畫面卡住等問題。Anthropic 在 v2.1.327 加入多項保護與修正,例如更改 GitHub App 設定前會先確認,匯出檔案若已存在也會先詢問;工作階段復原、許可權提示、MCP 連線和終端機畫面也有多項修正。這次更新還改善 Bash 指令啟動速度,並讓 Claude Code 在讀取大型圖片時更快。

  3. ElevenLabs Official Blog45

    WebRTC 是什麼?帶你看懂即時網路通訊

    網路視訊和語音通話如果延遲、卡住或斷線,聊天就很難順利進行。WebRTC 讓瀏覽器或網頁應用程式能直接交換即時音訊、影片和資料,減少傳送延遲;它也能在無法直接連線時,透過中繼伺服器轉送資料。像是兩個人用瀏覽器視訊時,系統會先確認雙方同意使用的傳送方式,再加密傳送內容。WebRTC 適合視訊會議、語音通話和即時直播;多人一起通話時,則可能需要媒體伺服器協助傳送。

  4. Pydantic AI Releases57

    Pydantic AI 發布 v2.70.0,修補兩項高風險漏洞並加入多項功能

    Pydantic AI v2.70.0 修補兩項高風險漏洞:特定文字格式可能讓事件迴圈卡住數十秒到數分鐘。若使用者開啟 ANSI 清理功能,並處理攻擊者能影響的工具輸出,可能受第一項漏洞影響;使用預設 JWT 遮蔽規則處理這類文字,則可能受第二項影響。兩項漏洞都已在 pydantic-ai-harness 0.70.0 修正。這次更新也加入串流內容檢查、工具結果摘要等功能,並支援 OpenAI gpt-6.2-sol 和 gpt-6.2-astra。

  5. OpenAI News70

    OpenAI 推出 ChatGPT for Sales,協助銷售團隊整理客戶資訊與推進交易

    銷售團隊常要從客戶關係管理系統、通話紀錄和其他工具拼湊客戶資訊,準備會議與追蹤後續也得花不少時間。OpenAI 推出 ChatGPT for Sales,內含銷售專用外掛和超過 30 個新增或強化的合作夥伴外掛,可把團隊現有工具中的資料帶進 ChatGPT,協助準備客戶會議、整理買方需求、草擬後續訊息和追蹤交易進度。團隊也能檢查並確認建議的客戶紀錄更新;部分工作還可交由 ChatGPT 中持續運作的 dot 處理,再檢視它提出的變化與下一步建議。外掛和功能是否提供,會依方案、地區和工作區設定而異。

    推薦理由:ChatGPT for Sales 把客戶資料、銷售工具與日常工作流程放在同一處,原文列出從準備會議到追蹤後續的用法,呈現它如何串起銷售流程。

  6. AWS Machine Learning Blog66

    AWS 示範如何減少 Amazon Bedrock AgentCore 處理大型 JSON 的 token 用量與延遲

    AI 助理每次呼叫工具都把大型 JSON 傳進模型,會增加 token 用量、拉長等待時間,還可能讓對話塞滿資料。AWS 與 Flightscape 分享三種做法:把大型資料放到 Amazon S3,讓對話只儲存資料位置;清單先提供摘要,需要時再分頁取回;大型字典則改用精簡描述。以 23 MB 資料測試時,五題對話的 token 用量約減少 71%,平均延遲從 15.4 秒降到 3.1 秒;完整資料仍可按需讀取。

    推薦理由:文章拆解了大型 JSON 讓 AI 助理變慢、增加 token 用量的原因,並以實測比較三種減少上下文負擔的方法。

  7. Apple Machine Learning Research58

    Apple 提出 Split-and-Scale,讓 3D 場景呈現更多細節

    3D 模型常因能存放資訊的空間有限,難以呈現複雜物件的細節;訓練時擴大空間又很耗運算和記憶體。Apple 研究團隊提出 Split-and-Scale,把場景切成更小的區域,再用同一個預訓練工具處理各區域,讓每一小塊都能保留較多細節。研究顯示,這種做法在推論時能得到接近大型模型的重建品質,也能用來訓練 3D 生成模型;團隊並比較了畫質、運算量、記憶體和可用容量之間的取捨。

  8. NVIDIA Newsroom Press Releases75

    NVIDIA 擴大供應鏈合作,為 AI 基礎設施增加產能

    AI 基礎設施平臺要增加出貨,需要更多晶片基板、先進封裝和製造產能。NVIDIA 宣佈與 Kinsus、Samsung Electro-Mechanics、Amkor、SPIL、TSMC 和 Foxconn 擴大合作,涵蓋臺灣、南韓、美國等地的供應鏈。Kinsus 預計把專供 NVIDIA 的 ABF 封裝基板產能提高到目前的 3.5 倍以上,並從 2027 年下半年開始生產;SPIL 的擴建則預計在 2029 年年中增加產能。NVIDIA 表示,Vera Rubin NVL72 和 Vera CPU 已在第三季開始大量出貨。這些安排將分階段增加供應能力,配合現有與下一代運算平臺的生產需求。

    推薦理由:NVIDIA 正與多家供應商擴充基板、先進封裝與晶圓製造產能,文中列出各項合作的規模與預計時程,可瞭解其供應鏈如何配合後續平臺生產。

  9. Vercel Blog55

    Vercel 單秒靜態部署現在也支援 CSS、圖片和其他檔案

    靜態網站以前用 Vercel 單秒部署時,只能帶 HTML 和 Markdown,樣式、圖片等檔案還不在支援範圍內。現在符合條件的網站可以連同 CSS、圖片、字型、檔案和音訊等檔案一起部署,也能透過 Vercel CLI 或 REST API 操作,不需要另外設定。每次部署最多可有 100 個檔案,總大小不超過 25 MB;含 JavaScript、由 Git 觸發,或使用框架預設和特定建置設定的專案,仍會照原本方式建置。

  10. AWS Machine Learning Blog78

    Amazon SageMaker AI 推出 KV-aware routing,讓長對話更容易用到快取

    大型語言模型處理長對話時,常要重算已經看過的內容;如果請求被送到沒有這份快取的執行個體,就會多花時間。Amazon SageMaker AI 推出 KV-aware routing,讓模型容器回報各執行個體目前保留的快取,再把請求送到有最多相符內容、而且不太忙的地方。AWS 在一組長提示詞測試中,相較隨機路由,首個 token 的中位等待時間最多降低 97%,但結果會依流量而異。這項功能目前要求使用支援的 vLLM 容器,且至少有兩個執行個體或模型副本;新對話第一次送出時仍沒有快取可用。

    推薦理由:文章比較 KV-aware routing 與固定字首路由的差異,並提供長對話負載下的延遲與快取命中率資料,方便判斷是否適合自己的流量。

  11. AWS Machine Learning Blog70

    AWS 教你把固定規則交給程式,減少不必要的生成式 AI 呼叫

    生成式 AI 工作流程若每一步都呼叫模型,費用、等待時間和答案變動都可能跟著增加。AWS 用客服助理舉例,說明格式檢查、關鍵字分流等能用規則判斷的工作,可交給程式處理;需要從固定選項中挑答案時,則限制可選範圍,沒把握就升級給模型。只有撰寫回覆等開放式工作,才交給符合需求的 Amazon Bedrock 模型。文章也提醒,模型寫出的規則要先檢查,並用已標記答案的資料測試升級條件。

    推薦理由:文章用客服流程示範如何把格式檢查與固定選項交給程式處理,並讓不確定的情況再交由模型判斷。

  12. ClaudeDevs72

    Claude Code 使用多種工具時,逐一操作可能不夠靈活。Anthropic 推出實驗性的 Code Mode,讓 Claude 撰寫指令碼,把多個工具串在一起完成較複雜的工作;長指令還在執行時,它也能先回答使用者。這項功能需要自行選擇啟用,設定方式是 CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1。

    推薦理由:Code Mode 讓 Claude Code 用指令碼串接多種工具,也能在長指令執行時先回答,呈現一種新的工具協作方式。

  13. NVIDIA Newsroom Press Releases89

    NVIDIA 公佈 2027 財年第三季財報,營收年增 103%

    NVIDIA 公佈 2027 財年第三季財報,營收達 1,158 億美元,較去年同期增加 103%,其中資料中心營收為 1,076 億美元,年增 110%。公司表示,Vera Rubin NVL72 已開始出貨。NVIDIA 預估下季營收約 1,300 億美元,並說明這項展望沒有計入來自中國的資料中心運算營收。公司也在本季以買回股票和發放現金股利的方式,向股東返還 281 億美元。

    推薦理由:營收年增 103%,資料中心營收佔大宗;搭配下季營收展望,可看出 NVIDIA 這季的成長幅度與主要來源。

  14. Vercel Blog50

    Vercel Sandbox Python SDK 1.0 正式推出,能在隔離環境執行程式碼

    用 Python 執行 AI 產生的程式、測試修改或分析資料時,若想避免程式直接影響其他工作,就需要隔離的執行環境。Vercel Sandbox Python SDK 1.0 已穩定公開介面,功能也追上 TypeScript SDK;它能在隔離的沙盒裡執行工作,並在工作結束後自動清理環境。例如,可以從 Git 分支建立沙盒、執行測試,完成後自動清理。從 0.x 升級的人要留意,指令輸入和輸出已改用 bytes。

  15. Vercel Blog52

    Vercel 新增只為有開啟中 pull request 的分支建置預覽

    分支沒有開啟中的 pull request 時,預覽建置可能會消耗建置資源。Vercel 在 Ignored Build Step 新增預設選項,可略過這類分支的預覽建置;有開啟中 pull request 的分支仍會建置預覽,正式環境部署也照常進行。GitHub 和 GitLab 專案中,被略過的預覽部署會在消耗 Build CPU Minutes 前取消。到專案的 Deployments > Configuration,在 Ignored Build Step 選擇 Only build previews for pull requests 並儲存,就能啟用這項設定。

  16. Vercel Blog38

    Vercel 調整新團隊 Standard builds 計費方式,改按使用量收費

    新加入的 Pro 和 Enterprise 團隊不再免費包含 Standard build 時段,Standard builds 改和其他建置機器一樣按使用量收費。Pro 每使用 1 分鐘收 $0.014,團隊每月的使用額度也能用來支付建置費用;Enterprise 則依合約計價。受這次調整影響的團隊,即使從 Elastic 切換到 Standard,Standard builds 仍會繼續收費。

  17. cloudflare blog75

    Cloudflare 分析 Quad9 退出法國:DNS 封鎖恐讓日常網路服務中斷

    法國法院要求 Quad9 封鎖涉嫌侵權的網域,並對未配合開出每日罰款;這家非營利組織因此宣佈退出法國。Cloudflare 說,DNS 就像網路地址簿,封鎖只能讓特定網域不再被查到,無法移除網站上的侵權內容,使用者也可能改用其他 DNS 繞過封鎖。整個網域都可能受影響,使用者通常只會看到網站打不開。Quad9 無法直接通知所有使用者,醫院、學校或政府單位若未先更換設定,網路服務可能突然中斷。Cloudflare 主張應要求存放侵權檔案的主機業者下架內容,並表示已對比利時的 DNS 封鎖命令提出上訴。

    推薦理由:Quad9退出法國凸顯DNS封鎖的影響可能超出侵權網站,也會讓醫院、學校等使用者面臨服務中斷;文章並比較了封鎖與向主機業者下架內容的做法。

  18. Artificial Analysis68

    AI 模型能不能做出好玩的互動式 3D 場景,可以用 AA-3D 評測比較。Artificial Analysis 表示,GPT-6.2 Astra 在這項評測中排名第一;和其他模型製作的場景兩兩比較時,人們在 152 次投票中有 139 次偏好 GPT-6.2 Astra 的場景。

    推薦理由:AA-3D比較模型製作互動式 3D 場景的能力,並以 152 次兩兩投票呈現 GPT-6.2 Astra 與其他模型的比較結果。

  19. ElevenLabs Official Blog47

    ElevenLabs AI 零售助理:從回答問題到完成訂單

    客人訂房或買東西時,常會臨時改日期、預算或需求;一般表單和篩選條件不夠靈活,改一次就可能得重頭來過。ElevenLabs 用 ElevenAgents 做出能用語音對話的 AI 助理,會一邊查即時資料、一邊調整選項,最後直接完成訂房或結帳。像 Rohlik 的 AI 助理 Maia,已能接手 90% 的客服專線來電,也能幫客人找商品、列購物清單並用語音結帳。這類助理能讓客人少繞路、讓商家接住更多訂單;不過效果也和模型、聲音及設定方式有關。

  20. Replit ⠕61

    要把電腦裡的資料做成工具或報告,常得先想辦法讓開發工具讀到檔案。Replit Desktop 的 AI 助理可以處理使用者分享的資料夾,在本機建置並執行應用程式,再把整理好的報告透過 Replit 雲端分享。每次建置都會在獨立的沙盒中執行,沙盒使用 Microsoft Execution Containers 和 NVIDIA OpenShell。

    推薦理由:Replit Desktop 可讀取使用者分享的資料夾,在本機製作並執行工具,再把資料整理成可透過雲端分享的報告。

  21. AWS Machine Learning Blog69

    AWS 說明如何用 Amazon Bedrock AgentCore 安全連線 Snowflake Cortex AI

    讓 AI 助理透過 MCP 查詢 Snowflake Cortex AI 時,企業得先決定怎麼驗證身分,以及查詢要記在誰名下。AWS 示範三種 OAuth 設定:讓使用者直接登入 Snowflake、透過公司 SSO 保留個人身分,或讓背景工作共用一個服務帳號。前兩種能在 Snowflake 的查詢紀錄中辨認個別使用者,但需要登入與授權;第三種不必有人操作,適合排程工作,查詢則會記在共用帳號名下。三種做法都透過 Amazon Bedrock AgentCore Identity 管理和更新權杖,文章也整理各自的設定差異與適用情境。

    推薦理由:文章比較三種 OAuth 設定在登入方式、使用者身分與查詢紀錄上的差異,能幫助企業依單人追蹤或無人值守需求選擇做法。

  22. AWS Machine Learning Blog60

    AWS Agent Registry 如何用自訂欄位管理與搜尋 AI 助理資源

    團隊各自描述 AI 助理、MCP 伺服器和技能時,欄位與填法可能不一致,讓審核和搜尋都難以對照。AWS Agent Registry 現在可讓管理員先訂好共用欄位、必填專案和允許的值,再由發布者與自動化工具填寫資料;系統會檢查內容是否符合規則,審核者也能根據安全掃描結果等資訊決定是否核准。文章以一個查詢帳務資料的 MCP 伺服器示範,核准後可用環境、業務單位和掃描狀態篩選資源,讓人和 AI 助理依相同條件找到符合規範的專案。

    推薦理由:文章用 MCP 伺服器示範如何統一欄位與可用值,並串起安全掃描、人工或自動審核和搜尋篩選,呈現治理流程如何共用同一套資料。

  23. Aravind Srinivas75

    不同任務需要的模型能力和回應速度不一樣,挑選時也得考慮模型是否有足夠可用量。Perplexity 推出 Orchestrator API,會依任務在模型能力、可用量和延遲之間做選擇,也讓使用者能從 45+ 個開放權重與閉源模型中挑選。

    推薦理由:Orchestrator API 會依任務在能力、可用量與速度間挑選模型,也讓使用者能從 45+ 個開放權重與閉源模型中選擇。

  24. Google Developers Blog81

    Google AI Studio 用 Gemini 打造可連線資料庫的 Android App

    從想法做出 Android App,常得分別處理資料儲存、登入、AI 功能和手機測試。Google AI Studio 現在能依照提示詞建立 Kotlin App,並設定 Cloud Firestore、Google 登入及安全呼叫 Gemini 的功能;資料也能在不同裝置間接續使用。開發者還能在瀏覽器裡用高畫質模擬器測試畫面和聲音,截圖交給 AI 助理修改介面,最後把 App 發布到自己的 Google Play 個人資料庫,再安裝到手機上。

    推薦理由:Google AI Studio 把資料儲存、帳號登入、Gemini 呼叫和手機測試串進 Android 開發流程,可瞭解從提示詞到可安裝 App 的做法。

  25. PyTorch67

    想讓模型學會特定領域的內容,開發者常得先處理模型格式轉換。PyTorch 官方表示,現在可用 NVIDIA NeMo AutoModel 在領域資料上微調 Meta 的 Muse Spark Open,並直接使用 Hugging Face 的模型檔,不必轉換格式。工具也能直接進行 SFT 和 LoRA 微調,方便快速嘗試不同產業的用法。Muse Spark Open 是推理模型,也能理解音訊、影片、圖片和檔案;文中另提供可下載的 NVIDIA NIM。

    推薦理由:Muse Spark Open 可直接用 NVIDIA NeMo AutoModel 進行領域資料微調,並支援 SFT 與 LoRA,呈現模型訓練工具如何減少轉換步驟。

  26. AWS Machine Learning Blog64

    AWS 擴大 FDE 服務,協助企業把 AI 專案帶進正式營運

    AI 原型在展示時看起來可行,真正放進公司使用後,卻會遇到資料混亂、規模變大和稽核等問題。AWS 表示,Forward Deployed Engineering(FDE)服務現已在 15 個國家提供,工程團隊會和客戶一起,在客戶自己的 AWS 帳號中打造 AI 系統,並把基礎建設、工作流程和治理控制一開始就納入設計。文章舉例,Marsh 的第一個應用約兩個月後進入正式營運,部分流程處理時間從數小時縮短到數秒;AWS 也表示,目標是讓客戶團隊能在合作結束後自行維護和擴充系統。

    推薦理由:文章整理企業把 AI 從展示原型帶進正式營運時,基礎建設、工作流程與治理三方面的難題,並以客戶案例說明 FDE 的做法。

  27. AWS Machine Learning Blog67

    Amazon SageMaker AI 推出資料準備功能,協助整理訓練資料

    訓練和評估模型時,整理出夠用又可靠的資料常常很花時間,標籤錯誤、重複內容也可能拖到訓練後才被發現。Amazon SageMaker AI 推出一組資料準備功能,可自動標註資料、產生合成資料、檢查資料品質,也能依訓練方法整理資料格式;信心較低的標註還能交給人在 SageMaker Studio 檢查。團隊可用 Python SDK 或 AI-ML skill 操作,並檢視、修改產生的規格和程式碼。這些功能已在美東(維吉尼亞北部)和美西(奧勒岡)正式推出。

    推薦理由:原文說明如何把自動標註、人工檢查、合成資料與品質檢查串成準備流程,可瞭解資料整理如何接上模型訓練與評估。

  28. Databricks Blog54

    Databricks 分享 Lakebase 駭客松如何用資料庫分支與同步打造應用

    開發應用時,團隊常得在共用測試資料庫和替每位開發者複製一份資料之間取捨;把湖倉資料送進應用,也常要另外建同步流程。Databricks 分享 11 個客戶團隊如何用 Lakebase 嘗試解決這些問題:資料庫分支能快速建立測試環境,修改不會直接影響正式資料;同步功能則讓湖倉資料供應應用查詢,也能把資料庫變更送回湖倉。像 Lyft 的團隊讓 AI 助理在資料庫分支上測試客服處理方式,再讀取資料庫的實際結果調整。這些案例展示 Lakebase 如何支援應用開發、搜尋和即時機器學習。