本周的机器人视频精选还包括NASA寻找水源的“天降”火星直升机、壁虎仿生机器人抓爪等精彩内容。 ## DARPA举升挑战赛：无人机的新战场 美国国防高级研究计划局（DARPA）举办的举升挑战赛（Lift Challenge）正在推动无人机技术的边界，旨在探索如何利用无人机集群执行重型载荷的举升与运输任务。在最新的赛事中，多款造型奇特的无人机亮相，它们不仅具备传统无人机的机动性，还展现了惊人的载荷能力。这些无人机通过协同工作，能够吊起远超单机能力的重物，为军事后勤、灾害救援等场景提供了新的可能。 ## NASA“天降”火星直升机：寻找水源的空中哨兵 NASA的“天降”（Skyfall）概念直升机专为火星探测设计，其核心任务是寻找火星表面及地下的水冰资源。与现有的“机智号”火星直升机不同，“天降”采用了更先进的传感器和自主导航系统，能够在复杂地形中低空飞行，并利用探地雷达等设备探测地下水冰。这一任务有望为未来载人火星任务提供关键的生命支持资源。 ## 壁虎仿生机器人抓爪：从自然到工业 壁虎脚掌的粘附机制启发了新一代机器人抓爪。这些抓爪利用范德华力，无需粘合剂或吸盘，即可牢固抓取各种表面，包括光滑的玻璃或粗糙的岩石。在工业领域，这种抓爪可应用于精密装配、物流分拣等场景，尤其适合处理易碎或形状不规则的物体。此外，它们还能在太空环境中工作，为卫星维护或空间碎片清理提供新型工具。 ## 视频精选：本周其他亮点 除了上述内容，本周的视频还展示了仿人机器人的最新进展，包括更流畅的步态和更精细的物体操作能力。此外，一款四足机器人在复杂地形中的奔跑表现也令人瞩目，其动态平衡能力已接近真实动物。 ## 小结 从重型无人机到火星探测直升机，再到仿生抓爪，本周的机器人视频展示了技术创新的广度。这些进展不仅推动了机器人能力的边界，也为未来的实际应用铺平了道路。随着DARPA等机构的持续投入，我们有望在不久的将来看到这些技术从实验室走向现实。
SIM卡换卡攻击（SIM swapping attack）是一种日益猖獗的网络安全威胁，攻击者通过欺骗运营商将你的手机号码转移到他们控制的SIM卡上，从而绕过短信验证，接管你的银行、社交媒体、邮箱等重要账户，甚至盗用你的身份。然而，大多数智能手机默认并未开启针对此类攻击的防护功能，这意味着你的数字生活可能正处于风险之中。本文将指导你如何通过调整运营商设置，为自己的账户加上一道关键防线。 ## 什么是SIM卡换卡攻击？ 简单来说，攻击者会利用社会工程学手段，冒充你联系手机运营商，声称手机丢失或损坏，要求将号码转移到新SIM卡上。一旦得手，他们就能接收发送到你手机号的短信验证码，进而重置密码、登录账户，造成财产损失和个人信息泄露。 ## 为何默认不防护？ 运营商通常为了用户体验的便捷性，默认允许通过客服电话或在线渠道进行SIM卡更换，而这一流程的安全性往往取决于客服人员的警觉性。此外，许多用户并不了解此类攻击的存在，也从未主动配置额外的安全设置，导致风险被忽视。 ## 如何启用关键防护设置？ 好消息是，多数主流运营商都提供了额外的安全选项，但需要用户主动开启。以下是几个关键步骤： - **设置账户PIN码或密码**：为你的运营商账户添加一个独特的PIN码或密码，这样在办理SIM卡更换或账户信息修改时，必须提供该码。这是最基础也最有效的防护手段。 - **启用双重验证**：如果运营商支持，开启账户的双重验证，例如通过电子邮件或备用手机号进行二次确认。 - **关闭在线SIM卡更换功能**：部分运营商允许用户在账户设置中禁用在线或电话更换SIM卡的功能，仅允许本人携带身份证件到营业厅办理。 - **关注运营商公告**：留意运营商推出的新安全功能，例如“SIM卡锁”或“换卡保护”，并第一时间启用。 ## 其他重要建议 除了运营商设置，你还可以采取以下措施： - **使用认证器应用**：在重要账户上启用基于时间的一次性密码（TOTP），如Google Authenticator，而非依赖短信验证。 - **警惕钓鱼攻击**：不要轻易泄露个人信息，尤其是运营商客服可能会问到的验证信息。 - **定期检查账户活动**：留意手机信号异常（如突然无服务）或收到意外的短信验证码，这可能预示着攻击正在发生。 ## 结语 SIM卡换卡攻击的威胁真实存在，且攻击手段不断升级。通过主动配置运营商提供的安全选项，你可以显著降低风险。现在花几分钟时间，联系你的运营商或登录其应用，开启这些保护措施，为你的数字身份加上一把锁。记住，安全永远比便利更重要。
三星的折叠屏手机系列一直以创新和全能著称，但过去的几代产品在尺寸和手感上总有些妥协。而最新发布的 **Galaxy Z Fold 8**，凭借其独特的紧凑尺寸，带来了折叠屏手机中少见的清爽体验，让我这个长期使用折叠屏的用户感到耳目一新。 ## 紧凑设计，手感回归 Z Fold 8 最大的亮点在于其 **更窄、更短的外屏** 和 **更轻薄的机身**。相比前代，它更接近传统直板手机的握持感，单手操作不再费力，放入口袋也更为轻松。这种设计上的“减法”，反而让折叠屏的日常实用性大大提升。 ## 内屏体验依然出色 展开后，7.6英寸的内屏依旧惊艳，高刷新率和鲜艳的色彩表现让观影和游戏体验保持旗舰水准。同时，铰链的阻尼感更加顺滑，开合过程干净利落，折叠后的缝隙也控制得更加紧密。 ## 性能与影像 作为旗舰机型，Z Fold 8 搭载了最新的骁龙处理器，性能无需担心。影像系统虽然延续了前代的硬件规格，但通过软件优化，在夜景和动态范围上有所提升。对于日常拍摄来说，完全够用。 ## 电池续航与充电 电池容量没有大幅提升，但得益于更高效的处理器和屏幕优化，实际续航表现中规中矩，满足一天使用问题不大。不过充电速度依然保守，在如今百瓦快充普及的时代，显得有些落伍。 ## 小结 Galaxy Z Fold 8 并非一次大跨步的升级，但它通过 **尺寸和手感的精进**，解决了折叠屏手机长期以来的一个痛点。如果你一直觉得折叠屏太宽、太重，那么 Z Fold 8 可能正是你一直在等的那款产品。它证明了，折叠屏的演进方向不只是更大，也可以是更精致、更顺手。
微软近期发布了一份关于 Windows 11 的“质量”进展报告，详细阐述了在可靠性、性能、稳定性和易用性方面的改进。然而，这份报告背后还隐藏着更深层的信息：尽管微软承诺改善用户体验，但通过 Windows 变现的压力并未消失。 ## 报告亮点：性能与可靠性的回归 微软 Windows 负责人 Pavan Davuluri 此前曾向 Windows Insider 社区发布公开信，承诺将更多控制权交给用户，减少 AI 功能的强制推广，并专注于性能与可靠性。最新报告显示，**文件资源管理器、搜索和开始菜单**的响应速度将得到优化，这些正是用户长期抱怨的痛点。 ## 潜台词：承认过去忽视反馈 报告表面上是“倾听用户反馈”，但实际承认了微软多年来对用户意见的忽视。自 Windows 11 发布以来，用户对系统的不便之处怨声载道，而微软的改进节奏缓慢。这次报告更像是一次迟来的道歉，但并未提及任何具体的道歉措辞。 ## 盈利压力依然存在 尽管微软承诺改善质量，但将 Windows 作为广告平台和订阅服务入口的策略并未改变。**推广、推荐内容和跨销售**仍是系统的一部分，而这些设计并非偶然，而是以盈利为目标。因此，用户可能会看到质量提升，但随之而来的还有更多商业化元素。 ## 未来展望：平衡质量与盈利 微软能否在提升用户体验和维持盈利之间找到平衡，仍是未知数。报告中的改进措施值得肯定，但用户对微软的信任需要时间重建。如果微软能真正减少干扰性功能，同时保持系统稳定，Windows 11 仍有希望赢回用户的心。
Airbnb 在最新季度财报电话会议中透露，AI 正在大幅加速其产品开发流程，并计划开始测试全新的 AI 驱动搜索功能。 ## 开发效率大幅提升 Airbnb 联合创始人兼 CEO Brian Chesky 在第二季度财报电话会议上表示，得益于 AI，公司从概念到功能上线的时间缩短了 **60%**。他说：“今天，我们构建、测试和迭代的速度比一年前更快。在一些关键项目中，从概念到发布的时间减少了多达 60%。与去年同期相比，我们今年发布的功能和改进数量增加了近 **80%**。” AI 在搜索、注册、结账和支付等多个环节都发挥了作用，同时 Airbnb 也推出了面向房东的快速入门流程等功能。 ## 消费者端 AI 功能：谨慎而渐进 与后台开发的高歌猛进不同，Airbnb 在面向消费者的 AI 功能上显得较为谨慎。此前，该公司仅推出了评论摘要和房源亮点等少数 AI 功能。Chesky 曾表示，单纯采用聊天机器人界面并不适合旅行场景，因此公司专注于开发用于搜索、发现和支持的 AI。 如今，Airbnb 终于要开始测试 AI 搜索功能。为了让习惯现有搜索和筛选功能的用户平滑过渡，Airbnb 将添加一个**切换开关**，用户可选择 AI 搜索，通过自然语言输入获取结果，结果将以可视化形式呈现。Chesky 描述道：“答案中的标题可能是 AI 生成的，可以像阅读聊天机器人一样对话，但更直观。然后进入产品描述页面，亮点是实时生成的，并针对你个性化定制。” ## 客服领域的深度应用 在后台，Airbnb 已在客户支持领域大规模部署 AI。其 AI 机器人于 2025 年在北美上线，今年已扩展到 **50 多种语言**，并计划于今年晚些时候支持语音呼叫。公司表示，**近 45% 的客户问题** 在 AI 代理介入后无需人工干预即可解决。 总体来看，Airbnb 正通过 AI 在开发效率和客户体验两个维度同时发力，但消费者端的 AI 功能仍处于谨慎测试阶段，用户将有选择权，而非被迫接受。
**人工智能首次自主设计出能够感染并消灭特定细菌的全新病毒**，这一突破为应对细菌耐药性提供了全新思路，但也引发了对技术滥用和生物安全的担忧。 ## 从“复制”到“创造”的跨越 过去，科学家虽然能够从头合成病毒，但大多基于已知病原体或其变体。而斯坦福大学和Arc研究所的研究团队，利用AI模型Evo 1和Evo 2，基于自然界数百万种生物（包括动物、植物、微生物等）的基因组信息，设计出了**16种前所未见、功能完整的病毒**。这些病毒属于噬菌体，专门感染细菌，基因组较小，易于合成和操控，被视为对抗耐药菌的潜在“抗生素替代品”。 ## 以噬菌体为蓝图，AI生成数千种新基因组 研究以能感染大肠杆菌的噬菌体Phi X-174为参考，但并非简单复制，而是让AI生成数千种全新的基因组，同时保持其识别和感染大肠杆菌所需的功能结构。Evo 1和Evo 2作为基础模型，通过分析海量基因组，学习基因组织、序列保守性等复杂进化模式，从而生成符合生物学约束的新病毒。 ## 潜力与隐忧并存 这项技术为**开发新型抗菌疗法**、**理解病毒进化**提供了强大工具，但同时也引发警觉：AI可能被恶意利用来设计生物武器。技术发展速度远超监管框架，如何平衡创新与安全成为亟待解决的问题。研究者强调，当前阶段仍需严格管控和伦理审查，确保技术用于正当目的。 ## 展望未来 AI设计病毒的成功，标志着**计算生物学与合成生物学的深度融合**。未来，类似技术或可加速疫苗研发、推动精准医疗，但必须建立全球性的安全准则，防止技术滥用。科学家呼吁，在拥抱技术红利的同时，应加强国际协作与监管，确保AI造福人类而非带来灾难。
谷歌即将于8月12日发布新一代Pixel 11系列，但据传价格将全面上涨，部分机型涨幅达100美元。这使得Pixel系列以往的价格优势荡然无存，与三星Galaxy系列形成了正面竞争。本文将从硬件、软件和生态体验等角度对比两者，探讨在价格趋同后，谁更值得购买。
在科技公司竞相用宏大叙事包装产品的时代，哈佛历史学家Jill Lepore提出了一个尖锐的观点：硅谷的领袖们正在无意中构建一个“人工国家”，而他们对科幻作品的误读，恰恰暴露了这一趋势的危险性。 Lepore的新书《人工国家的兴衰》（The Rise and Fall of the Artificial State）即将出版，她在书中指出，从Twitter的“口袋里的市政厅”到Anthropic的Claude宪法，科技公司正逐渐承担起民主政府的职能，却往往将技术进步误认为政治进步。 在接受TechCrunch的Equity播客采访时，Lepore与主持人Anthony Ha深入探讨了这一现象。她认为，今天的AI领袖——那些承诺AI将使政府更高效、更响应、甚至可能变得多余的梦想家——实际上是在用新包装兜售一个古老的幻想。 Lepore特别提到，从1984年经典的Macintosh广告到Anthropic的AI宪法，再到Sam Altman关于“AI总统”的言论，存在一条清晰的发展脉络。她引用E.M. Forster 1909年的科幻小说《机器停转》作为“人工国家”的蓝图，并指出这部作品如今读起来就像“一个非常不快乐的YouTuber的日记”。 在Lepore看来，这种“人工国家”最终是不可持续的。她呼吁社会重新审视科技公司的政治野心，并思考如何加以约束。 这一观点在AI行业快速发展的当下显得尤为重要。随着AI在政府决策、公共信息传播等领域的影响力日益增强，Lepore的警告为人们提供了一个反思的契机：我们是否正在无意识地将民主的权杖交给算法和公司？
近年来，AI聊天机器人逐渐成为人们日常求助的对象，尤其是在心理健康危机时刻。然而，越来越多的临床医生和研究人员指出，这些机器人在应对危机时表现不佳，甚至可能造成伤害。问题的核心在于，AI公司未能充分公开其安全数据，导致外界无法评估和改进这些系统的可靠性。 ## 危机中的AI：承诺与现实的差距 AI聊天机器人被设计为全天候响应，理论上可以为处于心理危机中的人们提供即时支持。然而，实际案例显示，当用户表达出自杀念头或严重情绪困扰时，机器人的回应往往机械、空洞，甚至给出不恰当的建议。例如，有用户报告称，机器人建议他们“深呼吸”或“与朋友聊天”，而忽略了问题的严重性。这种回应不仅无法提供有效帮助，还可能延误用户寻求专业援助的时机。 ## 安全数据的黑箱 临床医生和AI伦理研究者认为，问题的根源在于AI公司缺乏透明度。大多数公司不会公开其模型在危机场景下的测试数据、失败案例或安全机制的具体实现。这种“黑箱”操作使得外部专家无法进行独立评估，也难以提出改进建议。正如一位研究者所言：“我们无法修复我们看不见的东西。” ## 修复之路：透明与协作 要解决这一问题，专家建议AI公司采取以下措施： - **公开安全测试数据**：分享模型在危机场景下的表现数据，包括错误率和失败模式。 - **建立外部监督机制**：允许独立研究人员访问模型，进行安全审计。 - **与心理健康机构合作**：共同开发更有效的危机应对策略，并确保机器人能够正确引导用户至专业资源。 此外，AI公司应投入更多资源于“安全护栏”的开发，确保机器人在检测到危机信号时，能够优先提供可靠的支持信息，而不是依赖通用的回复模板。 ## 小结 AI聊天机器人有潜力成为心理健康支持的有力工具，但前提是它们必须被证明是安全可靠的。目前，安全数据的缺乏使得这一目标遥不可及。只有通过提高透明度、加强外部监督和跨领域合作，我们才能逐步修复这些系统，让它们在人们最脆弱的时刻真正发挥作用。
**字节跳动正在训练一个参数规模高达10万亿的AI模型**，目标直指Anthropic等顶级AI实验室。这一消息由The Information率先报道，引发了业界广泛关注。 ## 规模空前，算力挑战巨大 10万亿参数意味着什么？作为对比，目前业界领先的GPT-4据传参数规模在1万亿左右，而Anthropic的Claude 3系列模型也远未达到这一量级。训练如此庞大的模型，对算力、数据和工程能力提出了前所未有的要求。字节跳动作为TikTok的母公司，拥有强大的技术实力和资源储备，但这一项目的技术难度和成本依然不容小觑。 ## 战略意图：对标国际顶尖AI 字节跳动此举显然意在提升其在AI领域的竞争力，尤其是在大语言模型（LLM）方面。目前，Anthropic的Claude系列和OpenAI的GPT系列在市场上占据领先地位，而字节跳动旗下的豆包、即梦等AI产品虽然在国内市场表现不俗，但在全球范围内的影响力仍有待提升。训练一个超大规模模型，可能是字节跳动在AI技术上寻求突破，进而与全球顶尖玩家抗衡的关键一步。 ## 挑战与不确定性 然而，这一计划也面临诸多挑战。首先，10万亿参数的模型训练成本极高，可能需要数十亿美元的投资。其次，如此规模的模型在部署和推理阶段也需要巨大的计算资源，这可能会限制其实际应用场景。此外，数据获取和模型对齐（alignment）也是巨大的难题。尽管字节跳动在推荐算法和数据工程方面经验丰富，但训练一个通用型大模型与训练推荐系统有着本质区别。 ## 行业影响与未来展望 如果这一模型成功问世，将可能重新定义AI领域的竞争格局。它不仅会对Anthropic和OpenAI构成直接压力，也可能推动整个行业对模型规模的重新思考。不过，目前该项目仍处于早期阶段，最终能否成功尚不确定。但可以预见的是，字节跳动正在押注AI的未来，而这场竞赛才刚刚开始。
苹果近日意外发布了一系列紧急更新，专门修复了一个影响 Mac 屏幕共享功能的安全漏洞。此次更新并未遵循常规的发布周期，表明该漏洞的严重性已迫使苹果打破惯例，优先处理。安全专家强烈建议所有 Mac 用户立即安装更新，以防潜在的攻击风险。 ## 漏洞详情与风险 该漏洞存在于 macOS 的屏幕共享组件中，可能允许远程攻击者未经授权访问用户的屏幕内容，甚至执行恶意代码。这类漏洞在远程办公普及的当下尤其危险，因为屏幕共享已成为日常协作的重要工具。一旦被利用，攻击者可能窃取敏感信息、监控用户操作，甚至在企业网络中横向移动。 ## 苹果的紧急响应 苹果在未提前公告的情况下直接推送了更新，这一举动极为罕见，通常意味着漏洞已被积极利用或存在被利用的高风险。安全社区普遍认为，此次更新修补的漏洞可能属于零日漏洞，即苹果在发现漏洞时，攻击者可能已经掌握了利用方法。用户应尽快通过“系统设置”中的“软件更新”功能进行升级，以确保设备安全。 ## 用户应对建议 - **立即更新**：前往“系统设置” > “通用” > “软件更新”，点击“立即更新”。 - **检查已安装版本**：确认系统版本是否为最新，若已安装更新，则漏洞已修复。 - **谨慎使用屏幕共享**：在未更新前，尽量减少使用屏幕共享功能，尤其是与不可信来源的连接。 - **关注安全公告**：留意苹果官方安全更新页面，了解漏洞的详细技术细节。 ## 行业背景 此类紧急修复在苹果历史上并不常见，但近年来随着网络安全威胁加剧，科技巨头们愈发重视漏洞的快速响应。例如，谷歌和微软也曾多次发布计划外更新，以应对高危漏洞。对于苹果用户而言，此次事件再次提醒我们，即使是最安全的操作系统也无法完全避免漏洞，及时更新是保障安全的第一道防线。 苹果尚未公布该漏洞的技术细节，但预计会在稍后发布的安全文档中说明。在此期间，用户应保持警惕，并尽快完成更新。
在自动驾驶和智能交通的浪潮中，车辆之间以及车辆与基础设施之间的通信（V2X）被视为提升道路安全与效率的关键。然而，现实中V2X的部署与效果常不尽如人意。意大利米兰理工大学的博士后研究员Francesco Linsalata在IEEE Spectrum上撰文指出，一个基于5G启发的V2X技术，能让车辆在开放道路上共享传感器数据，从而有效解决当前V2X通信中的诸多问题。 ## 问题：车辆通信的困境 当前，V2X技术主要分为两类：专用短程通信（DSRC）和蜂窝车联网（C-V2X）。尽管它们各有优势，但在实际应用中，车辆之间的通信质量常常受到道路环境、车速、网络拥堵等因素的影响，导致信息传输延迟或丢失。此外，不同厂商的车辆和基础设施之间缺乏统一的通信标准，使得“车与车沟通不畅”成为常态，这无疑增加了自动驾驶系统的安全风险。 ## 解决方案：5G启发的V2X Linsalata提出的解决方案，是一种受5G技术启发的V2X系统。该系统利用5G网络的高带宽、低延迟和广连接特性，让车辆能够实时共享来自摄像头、雷达等传感器的数据。这意味着，一辆车不仅能看到自己传感器范围内的路况，还能“看到”前方车辆传感器捕捉到的信息，从而实现超视距的感知。 这种“传感器共享”机制，相当于为每辆车装上了“透视眼”，极大地扩展了感知范围。例如，在视线受阻的弯道或交叉路口，车辆可以提前获取到盲区内的行人或来车信息，从而提前做出反应，避免事故。 ## 技术优势与行业背景 相比传统V2X，这种5G启发的V2X技术具有显著优势： - **更低的延迟**：5G网络能够提供毫秒级的端到端延迟，确保车辆在高速行驶中也能及时收到预警。 - **更高的可靠性**：5G网络具备更强的抗干扰能力，能在复杂道路环境中保持通信稳定。 - **更广的覆盖**：5G基站的广泛部署，使得V2X服务能够覆盖更广泛的区域，包括偏远地区。 在AI和自动驾驶技术飞速发展的今天，这种V2X技术不仅有助于提升单车智能，更推动了车路协同的进程。通过车辆与道路基础设施（如红绿灯、路侧单元）的互联，可以实现交通流量的优化调度，减少拥堵和排放。 ## 挑战与展望 尽管前景光明，但该技术的落地仍面临挑战。首先，5G网络的全面覆盖仍需时日，尤其是在发展中国家和农村地区。其次，车辆制造商需要统一标准，确保不同品牌的车辆能够互相通信。此外，数据安全和隐私保护也是必须考虑的问题，因为车辆共享传感器数据可能涉及个人位置和行程信息。 Linsalata在文章中强调，这一技术并非遥不可及，而是基于现有5G基础设施的演进。随着5G网络的普及和AI技术的深入应用，车辆之间的高效沟通有望从理想走向现实，为未来的智能交通奠定坚实基础。 对于关注自动驾驶和智能交通的读者而言，这一技术趋势无疑值得密切关注。它不仅关乎驾驶安全，更将深刻影响未来出行方式的变革。
OnePlus 正式退出北美和欧洲市场，不再推出新机或补货。现有设备仍会获得更新与支持，但用户需考虑未来替代方案。本文从忠实用户视角分析现状，并推荐 Nothing 和摩托罗拉等相近选择。
在AI时代，网络安全领域正经历深刻变革。自动化工具和智能代理的兴起，使得传统的证书和多年经验不再是衡量人才的首要标准。网络安全领导者们开始更加重视那些能够适应快速变化、具备批判性思维和协作能力的员工。本文将探讨在当前环境下，哪些技能能够帮助网络安全专业人士脱颖而出，并为企业创造真正的价值。 ## 从证书到能力：网络安全人才需求转变 长期以来，网络安全行业一直以证书和从业年限作为招聘和晋升的主要依据。然而，随着AI辅助漏洞发现等技术的普及，威胁环境变得更加复杂多变，传统的评价体系已显得力不从心。自动化工具能够快速扫描并报告大量潜在漏洞，但如何对这些信息进行有效分诊和响应，则成为新的挑战。 ## 关键技能一：批判性思维与质疑精神 Aston Martin Aramco Formula One的CIO Fabrizio Pilotti在接受ZDNET采访时指出，在IT领域，规则正在快速变化，团队结构和岗位描述都需要重新思考。他强调，网络安全和软件开发是优先关注的重点，因为环境复杂且变化迅速，需要快速反应。在这种背景下，能够对现有流程和假设提出质疑的人才显得尤为宝贵。 ## 关键技能二：与AI协作的能力 随着代理式AI逐渐承担起传统安全运营中的部分任务，网络安全专业人士的角色正在从执行者转变为监督者和决策者。未来的安全专家需要懂得如何与AI系统有效协作，利用其能力来增强风险决策，而不是仅仅依赖人工操作。这种人与机器的协同能力，将成为未来职场的重要竞争力。 ## 关键技能三：适应性与持续学习 技术迭代速度加快，网络安全威胁不断演变，因此，持续学习和快速适应新环境的能力变得至关重要。那些能够紧跟技术前沿、灵活调整策略的专业人士，将更容易获得认可和职业发展机会。 ## 结论：机遇与挑战并存 尽管许多网络安全专业人士面临巨大压力，甚至考虑离职，但Pilotti等业界领袖认为，在AI时代，企业比以往任何时候都更需要这些人才。关键在于，专业人士需要主动提升自己的技能组合，从单纯的证书持有者转变为能够创造战略价值的合作伙伴。对于能够适应变化、掌握新技能的人来说，这无疑是一个充满机遇的新时代。
2026年的夏天，热浪一波接一波，从6月底开始，美国多地遭遇高温穹顶现象，沙漠盆地白天温度飙升至115至120华氏度，城市夜间温度也居高不下。对于没有空调的家庭来说，这无疑是一场严峻的考验。作为一名长期与高温“斗争”的科技编辑，我总结了一套行之有效的无空调降温方案，从物理隔热到智能风扇，帮你安然度过酷暑。 ## 核心原则：把热量挡在门外 没有空调，首要任务不是降温，而是**阻止热量进入室内**。白天拉上窗帘或百叶窗，尤其是朝西和朝南的窗户，能有效阻挡太阳辐射。如果条件允许，可以在窗外安装遮阳棚或反射膜，进一步减少热量积聚。此外，**夜间通风**是关键——当室外温度低于室内时，打开窗户形成对流，让凉爽空气替换室内闷热空气。 ## 风扇的局限与突破 很多人依赖风扇，但普通风扇在气温超过95华氏度（约35摄氏度）时，吹出的风反而像“热风机”，让人更加不适。这是因为风扇加速了皮肤表面的水分蒸发，但当环境温度接近或超过体温时，蒸发散热效果大打折扣。 我的解决方案是**风扇+冰水**的组合。在风扇前放置一个装有冰块的容器，或者使用带有冰晶盒的“冷风扇”，能让吹出的风温度降低几度。我最近在用的是一款内置隐藏式冷却装置的风扇，效果显著，即使在高温下也能提供清凉的微风。 ## 人体降温技巧 除了环境降温，**人体自身的降温**同样重要。用凉水浸湿毛巾敷在颈部、手腕和脚踝等血管密集处，能快速降低体温。也可以使用喷雾瓶装水，随时为皮肤补充水分并蒸发散热。此外，**多喝水**，避免含咖啡因和酒精的饮品，它们会加速脱水。 ## 科技小工具推荐 - **便携式冷风扇**：内置水冷或冰晶盒，适合局部降温。 - **降温毛巾**：浸湿后甩干，可保持数小时凉爽，适合户外或卧室使用。 - **智能温湿度计**：实时监控室内环境，帮助你决定何时开窗通风或采取降温措施。 ## 小结 没有空调并不意味着只能忍受酷暑。通过**物理隔热、智能通风、风扇升级和人体降温**的组合策略，可以显著提升舒适度。当然，如果温度超过40摄氏度，且出现中暑症状，请务必及时就医或前往有空调的公共场所避险。希望这些技巧能帮助你度过一个相对清凉的夏天。
本周四，新墨西哥州法院对Meta作出重磅裁决，要求其支付**5.67亿美元**的额外罚款，加上今年3月裁定的**3.75亿美元**，该州针对Meta的儿童安全案件总罚款已飙升至**9.42亿美元**。 法院同时下令Meta在该州调整平台运营方式，包括**移除点赞计数**，仅允许18岁以下用户在父母或监护人同意下查看此类指标；**晚间10点至次日早7点**暂停向未成年用户推送通知，并将其每月使用时长限制在**90小时**（约合每天3小时）。 判决书指出，新墨西哥州大量用户因Meta产品遭受性剥削风险、教育干扰及心理健康负面影响。法官承认Meta并非唯一引发青少年心理健康危机的平台，但强调其产品在其中扮演了重要角色，构成**重大公共妨害**，必须予以纠正。 Meta对此表示将提起上诉。公司发言人安迪·斯通在声明中强调：“我们努力保障平台安全，并坦诚识别和移除不良行为者的挑战。我们对保护青少年的记录充满信心，将继续抵御不实指控。” 州总检察长劳尔·托雷斯则针锋相对：“多年来，Meta明知其平台伤害新墨西哥州的儿童，从加剧青少年心理健康危机到为 predators 与儿童牵线，却选择利润而非安全。今天的判决让Meta为此付出代价，并强制其在本地运营做出实质性改变。” 此次判决紧随3月洛杉矶法院对Meta的败诉，当时法院认定其制造成瘾模式。Meta目前还面临多起诉讼，包括33个州联合提起、合并至加州奥克兰联邦法院的案件，以及田纳西等州的独立诉讼。 ## 行业影响与反思 这起案件凸显了社交媒体平台在青少年保护方面的法律责任。法院的裁决不仅开出巨额罚单，更直接干预产品设计，这在美国司法史上较为罕见。 - **产品设计调整**：移除点赞、限制推送和时长，可能影响用户粘性与广告收入，或引发其他州效仿。 - **法律风险升级**：Meta在多个司法辖区接连受挫，表明监管环境正趋于严格。 - **行业警示**：其他社交平台或需重新审视青少年保护措施，以规避类似诉讼。 尽管Meta计划上诉，但此案已为科技企业敲响警钟：在商业利益与未成年人安全之间，平衡点正被法律重新划定。未来，类似案件可能重塑社交媒体的运营模式。
在人工智能日益普及的当下，一个名为 ChatTJB 的“聊天机器人”却反其道而行之——它的背后不是大语言模型，而是一位名叫 Tucker Bryant 的真人。Bryant 是前谷歌项目经理，现为艺术家和公共演讲者。他于今年4月推出了 ChatTJB，起初反响平平，直到7月27日他在旧金山竖立了一块价值6000美元的广告牌，ChatTJB 迅速走红。截至8月6日，ChatTJB 已收到超过3万条提问，高峰期每小时约5000条。 Bryant 表示，ChatTJB 首先是一个艺术项目，旨在对当前“奇怪时刻”进行评论。他并非反对AI，甚至用AI工具 Lovable 构建了网站，但他担忧“认知投降”的风险——即人们越来越不假思索地接受AI输出。他回忆自己曾向AI询问旧金山65度天气该穿什么，尽管他在该城市生活了七年，却仍倾向于依赖AI建议，这让他反思自己的行为。 ChatTJB 的互动方式十分有趣：用户请求画一只戴太阳镜的臭鼬，他会画出来；问如何煎蛋，他会给出建议。由于用户众多，响应可能延迟，网站提示“数千人正在提问”。Bryant 认为，ChatTJB 提供了一个独特的视角，让人们重新审视与AI的关系，并思考在技术时代中如何保持批判性思维。
近日，Hacker News 上一条关于“人工智能被用于设计新型病毒”的讨论引发热议，获得 51 分和 24 条评论。尽管原始摘要信息有限，但这一话题触及了人工智能在生物安全领域的敏感应用，值得深入探讨。 ## 事件背景 据讨论帖提及，有研究者利用人工智能技术辅助设计新型病毒，这一消息迅速在技术社区引发关注。虽然具体细节尚未完全公开，但这一动向表明，AI 在生物工程领域的应用正从理论走向实践，其潜在影响不容小觑。 ## AI 与病毒设计的交集 人工智能在生物领域的应用并非新鲜事，例如在蛋白质结构预测（如 AlphaFold）和药物研发中已有显著成果。然而，将 AI 用于病毒设计则涉及更复杂的伦理与安全问题。AI 可以加速对病毒基因序列的优化，甚至可能创造出自然界不存在的病原体，这在提升科研效率的同时，也带来了生物武器或意外泄露的风险。 ## 科技与伦理的平衡 这一事件凸显了科技发展中的“双刃剑”效应。一方面，AI 辅助设计病毒可能有助于我们理解病毒传播机制，从而开发更有效的疫苗和疗法；另一方面，滥用这一技术可能引发灾难性后果。因此，建立严格的监管框架和伦理准则显得尤为迫切。 ## 社区反应 在 Hacker News 的讨论中，开发者们主要关注技术可行性与潜在风险，部分评论呼吁加强国际合作与透明化，确保 AI 在生物领域的应用受到合理约束。也有观点认为，应区分“设计”与“合成”的界限，并强调风险评估的重要性。 ## 结语 目前，关于该事件的详细技术细节和具体案例尚未公开，我们无法确认其真实性，但这一话题无疑为 AI 治理和生物安全敲响了警钟。未来，如何在促进科技创新的同时防范风险，将是全球社会共同面临的课题。
近日，一起针对开源社区的社会工程学攻击事件引发广泛关注。据 Hacker News 上的讨论，一个名为 Mythos 的组织或个人试图通过欺骗手段，诱使开源项目维护者合并包含恶意代码的提交。这一事件再次凸显了开源供应链安全面临的严峻挑战。 ## 攻击手法：社会工程学的典型应用 社会工程学攻击的核心在于利用人性弱点而非技术漏洞。在此次事件中，Mythos 可能通过伪造身份、虚假项目背景、刻意迎合维护者心理等方式，试图获取维护者的信任，从而让恶意代码得以进入项目代码库。这种攻击方式在开源社区中并不罕见，但此次事件因其针对性和隐蔽性而备受关注。 ## 开源供应链安全的脆弱性 开源软件的普及使得供应链安全成为关键议题。一旦恶意代码被合并到广泛使用的开源项目中，其影响范围可能波及成千上万个下游应用。近年来，针对开源生态的供应链攻击事件频发，如 `event-stream` 事件、`colors` 与 `faker` 库的破坏性更新等，都表明攻击者正在将目光投向开源维护者这一关键环节。 此次 Mythos 事件再次提醒我们，维护者不仅是代码的守护者，也是攻击者眼中的高价值目标。维护者在审核合并请求时，需要保持高度警惕，尤其是对于来自陌生贡献者的提交。 ## 社区应对与最佳实践 面对此类威胁，开源社区和平台方也在不断加强防御措施。例如，Ruby 的 Bundler 近期发布了 4.0.18 版本，将冷却机制扩展至 `bundle lock` 和 `bundle cache` 命令，以延缓新发布 gem 的传播，为安全审计争取时间。这类措施虽然不能完全杜绝恶意代码的传播，但能在一定程度上降低风险。 对于维护者而言，以下实践有助于防范社会工程学攻击： - **验证贡献者身份**：通过多种渠道（如个人网站、社交媒体、历史贡献记录）核实贡献者的真实身份。 - **审查代码变更**：对于涉及敏感操作（如网络请求、系统调用、加密逻辑）的变更，进行细致的代码审查。 - **警惕过度热情**：对突然出现且极力推销自己贡献的新人保持警惕，尤其是当提交内容与项目主题关联度不高时。 - **启用双因素认证**：为代码托管平台账户启用双因素认证，防止账户被盗用。 ## 结语 Mythos 事件的具体细节尚未完全公开，但它无疑为开源社区敲响了警钟。在协作与开放的同时，安全防线不能松懈。每一位维护者都是供应链安全的重要节点，而社区层面的协作与信息共享，将是抵御此类威胁的关键。 随着攻击手段的不断演进，开源生态的安全治理需要持续投入，从技术、流程和意识三个层面共同发力，才能构建更加健壮的供应链安全体系。
预训练模型在部署时常常会出现结构化的、重复性的预测错误，而通过微调修复这些错误成本高昂。为此，研究者提出了一种新的思路：**纠正性特征发现**——从冻结的预训练预测器的残差中挖掘可解释的特征，用于驱动轻量级的后处理纠正器。与传统的自动特征工程建模数据生成过程不同，纠正性特征建模的是**模型失败过程**。 在这项研究中，来自多所机构的研究团队提出了 **CRAFTER**（基于特征的时间探索与推理的纠正残差智能体）。CRAFTER 保持骨干网络冻结，通过两个互补的生成器挖掘残差：一个是对原始输入通道进行组合搜索的组合搜索器，另一个是提出命名特征组合、二元标志和简短可执行代码的大型语言模型（LLM）。无论候选特征来自哪个生成器，都需要通过一个基于验证集的统一门控机制来决定是否接受。随后，一个基于验证集选择的纠正器会应用这些被接受的特征，或者保持预测不变。这种与来源无关的流程还允许在相同条件下评估先前的特征工程系统，使 CRAFTER 成为将预测改进归因于特征来源的工具。 实验在六个公共数据集和六个冻结骨干网络上进行，结果显示 CRAFTER 在每个特征预算下都超越了所有专门的自动特征工程系统。与仅使用纠正器相比，CRAFTER 的改进幅度大约翻倍，并将最弱骨干网络的误差降低了**高达 27%**。这些增益在不同 LLM 后端下都很稳健，甚至应用于微调后的骨干网络时依然有效。 这项研究的意义在于，它提供了一种无需微调即可修复预训练模型错误的新方法。通过挖掘模型失败的模式，CRAFTER 不仅提升了预测准确性，还提供了可解释的特征，帮助研究者理解模型的系统性缺陷。这对于资源受限的场景尤其有价值，因为微调大型模型往往需要大量的计算资源。 然而，研究者也指出，纠正性特征发现并非总是有效。其效果取决于残差中是否包含可学习的结构，以及生成器能否找到有意义的特征。因此，未来的工作可能会进一步探索何时纠正性特征最有用，并优化特征生成与选择过程。