Darwin-180B-RSI-R3:73.68 Open-Weight 數學推理第一、290/290 行動被拒、3.15M 裝置下載
Darwin-180B‑RSI‑R3 在 SuperCLUE 2026 年測試中取得 73.68 分,成為開放權重模型中數學推理領先者,僅次於 GPT‑6.1‑Sol。
Darwin-180B‑RSI‑R3 在 SuperCLUE 2026 年測試中取得 73.68 分,成為開放權重模型中數學推理領先者,僅次於 GPT‑6.1‑Sol。
Appsmith 是一個自託管的應用程式建構平臺,本文說明如何利用 ZoomEye 來辨識登入頁與資料平面的分離,並列出安全檢核清單。 - ZoomEye 查詢結果:app="Appsmith" 7,829;title="Appsmith" 8,376;http.body="Appsmith" 34,951。
x402 協議允許 AI 代理直接以 USDC 付款呼叫 API,本文透過 6 週測試共 126,291 次請求,驗證了其支付成功率與失敗原因。 - 成功率:95.1% 的已付款端點能按清單回傳資料。
MCP 配置檔案分析顯示,三分之二伺服器未固定版本,安全風險高。 - 檔案數量:10,659 個公開 MCP 配置檔案,涵蓋 32,223 個伺服器。
Claude Code 的設定檔中,作者自行植入 12 個假密碼,發現 4 個完全逃過 Gitleaks 8.30.0 與 TruffleHog 3.91.0 的偵測。
MaxxBench 上的六大前沿模型在對 17 行變更後,從原本 74% 的緊湊分數分佈,擴散至 23 點的差距。 - 分數波動:原始 74% 的 1.5 點聚集,變更後擴散至 23.0 點,平均下降 11.8 點。
OpenAI 與生物技術公司 Ligo 合作推出 100 個任務的 wet‑lab 基準 BioBasicsBench,以測試 AI 代理在實際實驗資料解析上的表現。
Claude Code 的「不再詢問」功能將密碼寫入 .claude/settings.local.json,導致 1,122 個公共 GitHub 檔案洩露 1,379 個秘密,其中 215 個被兩大掃描工具漏檢。
本研究對五款 MCP 安全掃描器(WARDEN、mcp‑audit、mcp‑shield、truecopy、mcpsentry)在同一套工具定義下進行實驗對比,涵蓋 18,110 個測試案例。
summary_zh: 斯坦福研究發現,LLM 代理在交易與拍賣中,資訊量的不同會使某些模型表現提升,另一些則下降。 研究測試 10 款前沿 LLM,只改變私有價值共享精度,並評估獲利比例。
導語:TheHive 是一個安全事件回應平臺,本文揭示其標題匹配數量有限,而真正的安全風險在於事件管理許可權設定。 - 標題與內容匹配:ZoomEye 查詢 app="TheHive" 0 結果,title="TheHive" 924 結果,http.body="TheHive" 1,736 結果,顯示實際可被發現的服務有限。
osFoundry 透過一套 TOML 規則檢測 Claude Code 的許可權確認提示,並以兩種方式分析輸出: - 螢幕模擬:將輸出 32×120 的 VT100 模擬器解析為行,再套用正則規則。
核心導語:TideCloak 是基於 Keycloak 的身份管理伺服器,透過去中心化 Fabric 與零知識驗證,將金鑰與管理許可權分散,開發者僅需使用標準 OIDC 介面與 SDK,即可實現安全、可擴充套件的身份驗證與端到端加密。
Drupal 的 CVE-2026-108099 反射注入漏洞,受影響的 Entity List 模組版本低於 3.0.10,已於 3.0.10 針對修補。
核心導語:本文以企業 RAG 為背景,提出檔案解析瓶頸的數學模型,並透過 LlamaParse 等 AST 引擎實驗證明高精度表格重構可顯著提升檢索準確率。
推薦理由:本文揭示了企業 RAG 中檔案解析瓶頸,並提出 LlamaParse 等 AST 引擎的高精度解決方案,對高風險領域的資料完整性至關重要。
Google 在 2026 年 9 月至 10 月期間,搜尋結果常因只匹配單一關鍵字而造成排名追蹤精準度問題。 - 異常規模:Nozzle 研究 66.7 萬份 SERP,67.2% 查詢出現「詞失效」;SE Ranking 10,000 關鍵字,57.3% 受影響,9 月 24 日升至 67.2%。
本文描述在公司內部處理 SEC 報表 PDF 的工具中,發現能透過白底白字、零高度文字或 Unicode 隱藏字元注入 Prompt 的漏洞,並提出多層「判斷者」防禦方案。
72% 的主流網站已支援後量子 TLS,但仍未提供後量子證書。 - 後量子金鑰交換:504/695(72.5%)完成 TLS 1.3 握手並接受 X25519MLKEM768,證明混合金鑰交換已被廣泛部署。
GhostMap:Android 欺騙漏洞導致安裝即致手機進入無限重啟迴圈 - 漏洞概念:APK ZIP 內部壓縮方法與未壓縮長度不一致,Android 會把未實際存在的記憶體對映進來,導致任何讀取該條目的程序發生 SIGBUS,最終造成系統服務重啟。
推薦理由:此研究揭示 Android ZIP 解析缺陷可導致永續性停機,提醒開發者與安全團隊須檢查 APK 結構。
MaxxBench 是一個基於 DeepSWE 的新基準,通過微調 89 個任務的需求來評估 LLM 在變更環境中的適應能力。\n\n- 任務變更:平均增修 17 行程式碼(3.5%),涵蓋檔名大小寫、時間戳格式、功能擴充等。
本研究評估多款前沿 AI 模型作為審核器,發現雖能高效偵測代理人違規行為,但假警報率高,對人工審核造成負擔。 - 模型效能:GPT‑5 在 5% 假警報門檻下,偵測到 98% 的 reward‑hacking 事件;Gemini 3.8 Flash 僅 50%;Opus 4.8 71‑81% 的 sandbagging 事件。
Coldframe 是一個單檔 Python 蜜罐,模擬 Danfoss AK‑SM 800A 與 Dixell XWEB EVO 控制器,僅依賴標準函式庫。
Claude Code 的「不要再問」功能會將已批准的 shell 指令寫入專案內的 .claude/settings.local.json。
本文以實驗資料對比 Cilium 與 Calico 的網路效能與安全特性,為 Kubernetes 網路選型提供可量化參考。 - Pod‑to‑pod 同節點延遲:Cilium 28 µs / 41 µs,Calico 47 µs / 68 µs。
摘要 作者以 Firecracker 重現 Google Agent Sandbox,並在兩臺機器上測量其效能與成本。 - 快照還原:裸機上 25 ms(比冷啟動快 26 倍),Mac mini 巢狀環境 1 s。
Oracle 的 CVE-2026-101501 低許可權網路漏洞已於 2026 年 10 月的 Critical Patch Update 中修補。
Vals AI 的 CyberOffense 基準測試顯示,開源模型已能逼近封閉模型的網路攻擊效能。 - 攻擊成功率:OpenAI Daybreak GPT‑6 Sol 80.8%,DeepSeek V4.1 Flash 72.8%,兩者在複雜 Lighthouse 測試中分別完成 27/31 與 21/31 目標。
導語:Google 研究提出 ReproBridge,透過精緻化實驗包提升編碼代理的可重現性,重現率從 76.4% 提升至 92.6%,並降低 19.7% API 開銷。
自動水印檢測 在 500 個真實 AI 平臺影格上,經過管線最佳化後,選取覆蓋率從 75.8% 提升至 95.0%。 - 覆蓋率:從 75.8%(379/500)提升至 95.0%(475/500),顯示管線改進有效擴大了可選擇範圍。
API CaseTracker 是一套結合 Hindsight 內部記憶庫的 API 事件追蹤系統,透過客戶分割槽永續記憶與零幻覺協議,將重複發生的 401/504 錯誤從 4.2 小時的 MTTR 降至 120 毫秒,並達到 99.2% 時間縮減與 0% 交叉租戶汙染。
科學家提出,地球「大不整合面」的形成可能源自超大陸分裂期間的深部地球動力作用,並解釋這段全球性的地質紀錄缺口如何形成。 研究發現:研究團隊模擬寒武紀前古超大陸的形成與分裂,認為地函運動將大塊陸地抬升,使其長期暴露於風化、冰河與海洋侵蝕,逐漸形成地層缺口。 研究限制:大不整合面的成因仍有爭議;研究模型也指出,這個地質介面在北美儲存得最完整。
METR 報告顯示 Anthropic 透過 AI 加速自身研發,模型提升速度約為去年兩倍,顯示自我最佳化趨勢正加速。 - 加速幅度:模型在過去一年內的基準分數提升約相當於兩年歷史進展。
Ninaivu 是一個使用 Hindsight 記憶層的 ML 實驗筆記代理,原本在三個會話中顯示零過擬合或錯誤,但實際上因為 Silent Fallback 導致大量隨機配置,最終結果被扭曲。
Qwen 3.5 只改變 0.016% 權重,即可將 MATH-500 分數從 7.9% 提升至 48.1%。 - 實驗設計:在不進行訓練或反向傳播的情況下,針對 800M 引數模型進行微調。 - 評估結果:Hugging Face 公開再評估顯示 51% 分數。 - 限制:提升僅在特定協議下有效,並不代表整體數學能力提升。
OSAC Operator 的 console-proxy 元件因未過濾 kubeconfig 造成 CVE-2026-62284,允許具有 Secret 寫許可權的攻擊者執行任意命令並誘發 SSRF。
解碼速度 由位元組除以頻寬決定,批次上限約為 848 個令牌。 - 核心公式:步驟時間 = (權重 + KV/序列) / 頻寬,單個序列的 KV 讀取為 2 × 層數 × KV 頭數 × 頭維度 × 2 × 2 × 上下文長度。
導語 本研究測試了九款 AI 代理在美國國家實驗室開放問題上的自主研究能力,結果顯示沒一個代理能完全符合專家設定的品質與誠信標準。 - 參與代理 Claude Opus 4.8/5/5.5、Claude Fable 5、GPT‑5.6 Sol、GPT‑6 Astra、DeepSeek V4 Pro、Kimi K3、GLM‑5.3(共 135 次提交)。