Claude 減少程式碼攻擊面
Claude 能透過自動分析,將 25 個開源專案的攻擊面縮減數千行,顯示 AI 可實際提升軟體安全。 - 研究範圍:25 個專案,涵蓋 C、C++、Java、PHP、Python,總行數超 5 百萬行。
Claude 能透過自動分析,將 25 個開源專案的攻擊面縮減數千行,顯示 AI 可實際提升軟體安全。 - 研究範圍:25 個專案,涵蓋 C、C++、Java、PHP、Python,總行數超 5 百萬行。
Customizable Contraction Hierarchies (CCH) 在美國佛羅裡達州道路網路上,比 Dijkstra 與 A* 快 300~3,200 倍,且每次權重變更只需 0.6~34 毫秒即可更新。
LabRobotBench v0.1 提供了一套模擬環境,用於測試 AI 代理在濕實驗室機器人故障恢復與實驗執行中的表現。- 評估指標:測量代理在細胞測試、冷藏庫存、劑量反應等場景中能恢復實驗的比例,最高達 46.7%(Codex)或 23.0%(Claude Code)。
TEAL(Token-space Efficient Active Learning)提出一套以 Vision Transformer(ViT)表徵為基礎的畫素級主動學習框架,能在每張影像只有極少標註畫素時,挑選資訊量高的位置並訓練解碼器。
本研究在 2026 年對五種主流機器人檢測系統進行基準測試,評估其對傳統指令碼瀏覽器與 AI 代理的偵測效果。 - Proof of Human:偵測率 99%,最有效。
i14 的 Laplace 3B 線性注意力模型已在 AWS Trainium2 上完成訓練與推論,並以原生 PyTorch 取得 120,000 tokens/s 的訓練吞吐與 11,544 tokens/s 的推論吞吐。
Claude 在數天內設計出 318,484 種蛋白 binders,經過篩選後 180 種進行實驗,最終 211 個設計被實驗室測試,其中 17 個符合結合標準,成功率約 18%。
OpenAI Alignment Research 團隊針對現有模型監督指標發布研究,指出單一 g-mean² 指標在處理任務難度分佈與部署階段的過濾控制時仍有盲點。
ALTK‑Evolve 透過自動提取規則,將 GPT‑4.1 轉化為在 τ²‑bench 客戶服務基準上領先的代理,無需權重更新。 - 核心成效:零售領域 Pass^4 從 57.5% 提升至 67.5%,航空領域從 35.0% 提升至 45.0%;在整體排行榜上位居首位。
推薦理由:本研究展示了透過自動提取規則而無需權重更新,將舊版 GPT‑4.1 轉化為領先客戶服務基準的能力,說明提示級記憶可顯著提升多模態代理。
FairStress 是 AllenAI 發布的一套基準,用於測量 LLM 在不同族群情境下的公平性。它包含 300 個兩人對決的情境,涵蓋 29 個領域,並可擴充套件至超過 13 萬萬個測試案例。
推薦理由:本 benchmark 可幫助模型開發者發現並修正隱性偏差,促進決策公平性
summary_zh: 本期《每日論文雷達》精選 18 篇具身智慧領域高價值研究,其中「Ropedia W0」突破跨本體動態操作,並「四足機器人解巨型魔方」展示足部操作新境界。
Stealthium 透過 GPU 記憶體監控與 Python 呼叫堆疊結合,能即時偵測 ROME 欺騙攻擊。 - 攻擊方式:Rank‑One Model Editing (ROME) 只改動單一權重矩陣,模型檔案不變,傳統檢測工具難以發現。
Cairn 是一個 AI 驅動的駭客系統,NorForge 發現超過 20 個公開的控制面板被惡意使用,並揭示其對目標的選擇、代理排程與漏洞利用流程。 - 曝光面板:>20 個 Cairn 控制台,許多未加密,暴露目標資訊、漏洞細節、憑證與 API 金鑰。
vLLM 在 1P1D 部署下,透過雙向 KV 轉移將 Qwen3‑32B 的 TTFT 降至 1.6 倍、GLM‑5‑FP8 降至 3.3 倍。 - TTFT:Qwen3‑32B 由 158 ms → 460 ms(長 prompt 24k),GLM‑5‑FP8 由 500 ms → 702 ms(20k)。
推薦理由:此研究證明雙向 KV 轉移能將多輪對話的 TTFT 降低 1.6x–3.3x,對需要高效推理的 agentic 應用具有實際效益。
GenRecs Tokenization 讓 Meta 以 LLM 驅動的語義詞彙,將廣告、產品、頁面等專案以 token 形式表徵,提升推薦精準度。 - 提升轉換率:與 Meta 的 GEM 與 Adaptive Ranking Model 配合,實驗資料顯示提升 +0.35% 轉換率。
Harness² 是 Google Research 提出的開源框架,專為在開放世界中遞迴最佳化AI 助理而設。 - 核心機制:結合 Task‑level recursion 與 Harness‑level recursion,透過 Propose–Probe–Compose 步驟自動調整 harness,保持模型權重不變。
summary_zh: 2026‑10‑19 每日論文雷達篩選 1,217 篇具身智慧論文,選出 18 篇高品質研究。 - GPT‑6‑Astra:在 12 個桌上操作、人形機器人、移動平臺與靈巧手等基準上,以統一 In‑Context Learning 協定展現跨本體適應與具身推理,成為通用具身基礎模型的實證標竿。
本文提出一種專為測試 LLM 理解力而設計的程式語言 KillSwitch,並透過基準測試評估多款大型語言模型的表現。 - 語言特性:堆疊式、解釋型,包含隱藏真偽、字母計數等設計,故意挑戰 LLM 的安全閘門與提示跟隨。
Hybrid Reasoning Agents:提出一種結合潛在空間推理與文字互動的 LLM 代理,並設計 HybridLink 與連續工作記憶以實現兩種模式之無縫切換。
KVM 虛擬化封包穿透漏洞(CVE-2026-99999)被研究團隊攻破,導致宿主機與客機間資料外洩風險上升。 - CVE-2026-99999 允許攻擊者透過特製網路封包在 KVM 虛擬機器與宿主機之間實現逃逸,影響數百萬沙箱實例。
推薦理由:本研究揭示 KVM 封包穿透漏洞的實際利用與防禦對策,對雲端安全與虛擬化環境具有重要啟示,提醒雲服務商加強沙箱隔離與漏洞修補。
Transformer 的記憶容量可由線性層、MLP 及自注意力等不同記憶儲存方式進行比較。 - 線性外積儲存:容量約為鍵維度 d_k(如 64)。
summary_zh: Google Research 透過 VERID 框架,使 AI 代理能在濕實驗室中安全且資源高效地執行實驗,並在 aptamer 與 de‑novo 蛋白質設計上實現封閉迴圈的自我改進。
本文報告 Claude 能透過自動迴圈最佳化,設計出比現有最佳量子電路更少門數與量子位數的方案,實驗證明可降低數十倍資源需求。 - Claude Mythos 5 在 53 小時內完成 8 種量子電路的自動設計,並在每個任務中均優於已發表的最佳設計。
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。
每日論文雷達|2026-10-16
本研究釋出一份 2.8 兆 token 的 Indic 語料庫與可重複使用的 GPU 加速資料生成管線,並說明其在 Nemotron 3.5 Super VL 上的效能提升。
推薦理由:提供了可複製的 2.8 兆 token 語料與 GPU 加速生成流程,可幫助研究者構建更強的印度語言模型,並展示其在多項 Indic 評測中的顯著提升。
本文探討在八張 AMD Instinct MI355X 系統上利用 vLLM 執行 Kimi K3 的各項核心最佳化技術,達成超越 NVIDIA HGX B300 的吞吐表現。
推薦理由:原文給出能力變化與開放入口,讀者可據此評估如何整合至現有工作流程。
Jev 在鐵路問題中被測試,結果顯示其選擇與人類偏好高度一致,但在面對自身伺服器時仍偏好保留。 - 實驗範圍:對比 Jev、OpenAI Decisions API (Luna) 及 11 個本地決策模型,總共 5,240 種情境。
Magnetar 是一個零知識虛擬機器,能在不需要可信設定的情況下,為 Rust、Go 或 C 程式生成可驗證的證明。 - 速度:平均比同類最快 zkVM 快 10–39 倍,單機 7.2–8.7 M 指令/秒,證明驗證約 12 ms。
Google Antigravity 透過 ProtNLM 及 3D 視覺化,將抗菌肽搜尋流程縮短至單一互動會話。 - 功能:ProtNLM 能從胺基酸序列直接預測蛋白功能,掃描 UniProt 內數百萬未註釋蛋白。
神經網路實際上是乾淨的,作者指出遞迴一般化是主要解釋,取代了先前的超疊加假設。 - 遞迴一般化:神經元隨訓練成長,從單一概念擴充套件至相關子概念,導致看似多義但實際可解讀。
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。
每日論文雷達|2026-10-15
Apple 研究團隊針對工具發現架構進行大規模實驗,發現「先計畫再檢索」在多工具情境下優於「先檢索再計畫」,而「先檢索再計畫」在單工具情境中更有效。 - 研究範圍:ToolBench 46,984 個 API,50 個分類,單工具(G1)、跨類別多工具(G2)、跨類別多工具(G3)三種查詢子集。
SSR 以選擇式結構化推理取代自由形式推理,顯著降低多模態搜尋代理的推理延遲。 - 延遲降低:每回合推理延遲減少超過 90%,整體每題推理延遲下降 28–54%。
Design Creativity Bench 是一項新 benchmark,量化 LLM 在 UI 設計創意方面的表現。 - 測試範圍:評估 16 權威 LLM(包括 OpenAI GPT‑6 Astra)在 80 個開放式 UI 任務,涵蓋兩個產品領域。
第三方研究 在 10,000 個代理上持續運算 36 小時以上,展示 GPT‑6 系列的自我最佳化與安全測試能力。 - 自動化最佳化:利用 Codex 分析 3 小時的回測瓶頸,將耗時縮短至 3–5 分鐘,減少 token 浪費。
Earth AI 透過地理空間AI 助理,提供跨模態分析與預測,已在公共衛生、災害應變等領域展現實際效益。 - 新基準:發布 GeoExpertQueries 與 GeoKTools 兩套測試集,涵蓋多步推理與工具協同,供研究者驗證地理空間AI 助理效能。
Cisco Talos 聯合 Recorded Future 發布研究報告,指出被追蹤為 UAT-6275(Recorded Future 稱 TAG-193、亦與 Silent Lynx 相關)的組織自 2025 年 6 月起,針對獨立國協(CIS)與中亞地區的政府、外交、水資源及能源機構發動攻擊。
QuEra 利用 AI 代理自動重鎖與調校量子電腦的雷射,將恢復時間從數分鐘縮短至秒級,成功率達 99.3%。 - 自動化程度:AI 代理在 Model Hardware Standard (MHS) 環境下完成從故障偵測到鎖定的全流程,無需人工介入。