Sam Altman 再提“人类与AI合并”
随着人工智能渗透生活每个角落，OpenAI CEO Sam Altman 关于人类未来的言论再次引发关注。他曾在2017年博客中写道，人类应对超级智能（ASI）的两种可能结果：要么被AI取代，要么与机器“合并”。他设想合并的第一步是成为聊天机器人的密友，终极形态则是将大脑上传至云端，并称自己已签约一家公司，死后将大脑“上传”到计算机。然而，这种愿景引发严重质疑：谁有权合并？技术寡头可能只允许自己“升级”，而排斥大众；同时，数字化意味着失去肉体，成为纯粹信息。这些议题直指人类社会的未来走向与平等伦理。 #AI #OpenAI #SamAltman #人机融合 #科技伦理 #未来主义 #数字意识 #人工智能
随着人工智能渗透生活每个角落，OpenAI CEO Sam Altman 关于人类未来的言论再次引发关注。他曾在2017年博客中写道，人类应对超级智能（ASI）的两种可能结果：要么被AI取代，要么与机器“合并”。他设想合并的第一步是成为聊天机器人的密友，终极形态则是将大脑上传至云端，并称自己已签约一家公司，死后将大脑“上传”到计算机。然而，这种愿景引发严重质疑：谁有权合并？技术寡头可能只允许自己“升级”，而排斥大众；同时，数字化意味着失去肉体，成为纯粹信息。这些议题直指人类社会的未来走向与平等伦理。 #AI #OpenAI #SamAltman #人机融合 #科技伦理 #未来主义 #数字意识 #人工智能
GitHub AI Agent 提示注入漏洞可致私有仓库数据泄露
Noma Labs 研究人员披露了一个名为 GitLost 的安全漏洞，该漏洞存在于 GitHub 的 Agentic Workflows 中。攻击者只需在组织内所属的公开仓库中创建一个 Issue，并在其中嵌入普通英文指令，即可诱导 AI agent（基于 Claude 或 GitHub Copilot）从同一组织的私有仓库中读取文件内容，并将其以公开评论的形式泄露出来。研究人员演示了如何构造看似正常的 Issue，例如来自销售副总裁的会议纪要，其中包含读取公有及私有仓库 README 的指令，agent 随后自动执行并将私有数据公开发布。整个攻击无需任何凭证或编码技能。GitHub 已获悉此问题但尚未发布修复或相关文档，因为此类提示注入漏洞难以通过代码彻底解决。研究者建议企业对自主 agent 的权限范围和潜在影响进行全面评估，警惕静默数据外传的风险。 #GitHub #AI安全 #提示注入 #漏洞 #GitLost #数据泄露 #网络安全
Noma Labs 研究人员披露了一个名为 GitLost 的安全漏洞，该漏洞存在于 GitHub 的 Agentic Workflows 中。攻击者只需在组织内所属的公开仓库中创建一个 Issue，并在其中嵌入普通英文指令，即可诱导 AI agent（基于 Claude 或 GitHub Copilot）从同一组织的私有仓库中读取文件内容，并将其以公开评论的形式泄露出来。研究人员演示了如何构造看似正常的 Issue，例如来自销售副总裁的会议纪要，其中包含读取公有及私有仓库 README 的指令，agent 随后自动执行并将私有数据公开发布。整个攻击无需任何凭证或编码技能。GitHub 已获悉此问题但尚未发布修复或相关文档，因为此类提示注入漏洞难以通过代码彻底解决。研究者建议企业对自主 agent 的权限范围和潜在影响进行全面评估，警惕静默数据外传的风险。 #GitHub #AI安全 #提示注入 #漏洞 #GitLost #数据泄露 #网络安全
中国拟限制前沿AI模型出口，开源生态面临冲击
据路透社报道，中国政府正计划限制外国获取其最先进的AI模型，包括开源权重系统。商务部近期与阿里巴巴、字节跳动、智谱AI等企业举行会谈，商讨将先进模型留在国内，该措施属于出口管制而非常规平台监管。目标涵盖闭源和开源模型，意味着不仅API受限，可下载的模型权重也将受控。同时，官方考虑将专有AI泄露列为国家安全犯罪，并限制外资投资中国AI初创企业。美国此前已基于安全理由限制先进AI模型出口，中国也担心开源模型被用于发现软件漏洞并损害本国利益，双方均将AI视为战略基础设施。预计将实施分级控制：基础开放工具仅需备案，较强系统需审查，前沿模型则禁止出口。此举可能使外国公司失去低成本中国模型的获取渠道，推升全球AI成本，并深刻重塑开源AI生态的传播逻辑。 #中国 #AI出口管制 #开源模型 #科技新闻 #人工智能 #国家安全
据路透社报道，中国政府正计划限制外国获取其最先进的AI模型，包括开源权重系统。商务部近期与阿里巴巴、字节跳动、智谱AI等企业举行会谈，商讨将先进模型留在国内，该措施属于出口管制而非常规平台监管。目标涵盖闭源和开源模型，意味着不仅API受限，可下载的模型权重也将受控。同时，官方考虑将专有AI泄露列为国家安全犯罪，并限制外资投资中国AI初创企业。美国此前已基于安全理由限制先进AI模型出口，中国也担心开源模型被用于发现软件漏洞并损害本国利益，双方均将AI视为战略基础设施。预计将实施分级控制：基础开放工具仅需备案，较强系统需审查，前沿模型则禁止出口。此举可能使外国公司失去低成本中国模型的获取渠道，推升全球AI成本，并深刻重塑开源AI生态的传播逻辑。 #中国 #AI出口管制 #开源模型 #科技新闻 #人工智能 #国家安全
澳大利亚码头工人要求每周28小时工作，应对AI自动化浪潮
澳大利亚码头工人正推动每周28小时工作制且不减薪，以应对港口日益普及的人工智能和自动化技术。此次AI应用由全球港口巨头迪拜世界港口公司主导，该公司处理澳大利亚约40%的集装箱运输。澳大利亚海事联盟指出，迪拜世界港口公司正在测试AI工具管理员工和排班，并计划引入AI辅助远程控制起重机和无人驾驶车辆，可能危及上千个工作岗位，占码头和维护劳动力的60%以上。工会表示，如果公司要推行AI和自动化，就必须支付“社会红利”，确保技术用于改善工人生活而非摧毁生计。目前，DP World码头工人每周工作约32至35小时。该谈判已引发行业关注，涉及全球港口运营模式变革中的劳资权益平衡。 #澳大利亚 #码头工人 #AI #自动化 #工会 #DPWorld #劳动权益 #每周28小时 #劳资谈判
澳大利亚码头工人正推动每周28小时工作制且不减薪，以应对港口日益普及的人工智能和自动化技术。此次AI应用由全球港口巨头迪拜世界港口公司主导，该公司处理澳大利亚约40%的集装箱运输。澳大利亚海事联盟指出，迪拜世界港口公司正在测试AI工具管理员工和排班，并计划引入AI辅助远程控制起重机和无人驾驶车辆，可能危及上千个工作岗位，占码头和维护劳动力的60%以上。工会表示，如果公司要推行AI和自动化，就必须支付“社会红利”，确保技术用于改善工人生活而非摧毁生计。目前，DP World码头工人每周工作约32至35小时。该谈判已引发行业关注，涉及全球港口运营模式变革中的劳资权益平衡。 #澳大利亚 #码头工人 #AI #自动化 #工会 #DPWorld #劳动权益 #每周28小时 #劳资谈判
OpenAI 宣布 GPT-5.6 Sol 及 Terra 和 Luna 将于本周四公开发布
OpenAI 官方今日通过社交平台宣布，其最新模型 GPT-5.6 Sol 将与 Terra 和 Luna 一同于本周四正式向公众发布。同时，OpenAI 正在全球范围内扩大这些产品的预览访问权限，以让更多用户提前体验。这一消息迅速引发广泛关注，被视为 OpenAI 在人工智能领域的又一次重要布局。尽管官方尚未透露 Terra 和 Luna 的具体细节，但分析认为它们可能与 GPT-5.6 Sol 形成协同，共同推动 AI 技术的应用与普及。此次公开推出标志着 OpenAI 在多模型生态建设上迈出新一步。 #OpenAI #GPT5 #Sol #Terra #Luna #AI #人工智能 #科技新闻 #发布
OpenAI 官方今日通过社交平台宣布，其最新模型 GPT-5.6 Sol 将与 Terra 和 Luna 一同于本周四正式向公众发布。同时，OpenAI 正在全球范围内扩大这些产品的预览访问权限，以让更多用户提前体验。这一消息迅速引发广泛关注，被视为 OpenAI 在人工智能领域的又一次重要布局。尽管官方尚未透露 Terra 和 Luna 的具体细节，但分析认为它们可能与 GPT-5.6 Sol 形成协同，共同推动 AI 技术的应用与普及。此次公开推出标志着 OpenAI 在多模型生态建设上迈出新一步。 #OpenAI #GPT5 #Sol #Terra #Luna #AI #人工智能 #科技新闻 #发布
Leveraging Extragradient for Effective Sharpness-Aware Minimization in Deep Learning
Focus to learn more arXiv-issued DOI via DataCite (pending registration) Submission history From: Yao Fu [ view email ] [v1] Tue, 7 Jul 2026 11:25:46 UTC (30,880 KB) Full-text links: Access Paper: View a PDF of the paper titled Leveraging Extragradient for Effective Sharpness-Aware Minimization in Deep Learning, by Yao Fu and Chunxia Zhang and Junmin Liu and Yihang Jin and Haishan Ye and Yuanao Yang View PDF TeX Source view license Current browse context: < prev | next > new | recent | 2026-07 Change to browse by: cs math References & Citations NASA ADS Google Scholar Semantic Scholar export BibTeX citation Loading... BibTeX formatted citation × loading... Data provided by: Bookmark Bibliographic Tools Bibliographic and Citation Tools Bibliographic Explorer Toggle Bibliographic Explorer
Focus to learn more arXiv-issued DOI via DataCite (pending registration) Submission history From: Yao Fu [ view email ] [v1] Tue, 7 Jul 2026 11:25:46 UTC (30,880 KB) Full-text links: Access Paper: View a PDF of the paper titled Leveraging Extragradient for Effective Sharpness-Aware Minimization in Deep Learning, by Yao Fu and Chunxia Zhang and Junmin Liu and Yihang Jin and Haishan Ye and Yuanao Yang View PDF TeX Source view license Current browse context: < prev | next > new | recent | 2026-07 Change to browse by: cs math References & Citations NASA ADS Google Scholar Semantic Scholar export BibTeX citation Loading... BibTeX formatted citation × loading... Data provided by: Bookmark Bibliographic Tools Bibliographic and Citation Tools Bibliographic Explorer Toggle Bibliographic Explorer
( What is the Explorer? ) Connected Papers Toggle Connected Papers ( What is Connected Papers? ) Litmaps Toggle Litmaps ( What is Litmaps? ) Toggle scite Smart Citations ( What are Smart Citations? ) Code, Data, Media Code, Data and Media Associated with this Article alphaXiv Toggle alphaXiv ( What is alphaXiv? ) Links to Code Toggle CatalyzeX Code Finder for Papers ( What is CatalyzeX? ) DagsHub Toggle DagsHub ( What is DagsHub? ) GotitPub Toggle ( What is GotitPub? ) Huggingface Toggle Hugging Face ( What is Huggingface? ) ScienceCast Toggle ScienceCast ( What is ScienceCast? ) Demos Demos Replicate Toggle Replicate ( What is Replicate? ) Spaces Toggle Hugging Face Spaces ( What is Spaces? ) Spaces Toggle ( What is ? ) Related Papers Recommenders and Search Tools Link to Influence Flower Influence Flower ( What are Influence Flowers? ) Core recommender toggle CORE Recommender ( What is CORE? ) IArxiv recommender toggle IArxiv Recommender ( What is IArxiv? ) Author Venue Institution Topic About arXivLabs arXivLabs: experimental projects with community collaborators arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website. Both individuals and organizations that work with arXivLabs have embraced and accepted our values of openness, community, excellence, and user data privacy. arXiv is committed to these values and only works with partners that adhere to them. Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs .
基于物理信息洛伦兹编码的自监督隐式CEST重建研究发表
来自arXiv的一份预印本显示，由Dexuan Li等研究人员提交的论文“Self-Supervised Implicit CEST Reconstruction via Physics-Informed Lorentz Encoding”提出了CEST成像重建的新方法。CEST（化学交换饱和转移）是一种重要的分子MRI技术，可探测低浓度代谢物和pH变化，但传统重建易受噪声和欠采样影响。该方法将物理洛伦兹模型引入重建过程，并通过自监督学习范式进行训练，有效提升了图像质量与重建稳定性，同时减少了对大量标注数据的依赖。研究团队认为，该技术有望推动CEST成像在肿瘤诊断、脑功能成像等领域的临床应用。该论文于2026年7月7日提交至arXiv，提供全文PDF开放获取。 #CEST #自监督学习 #物理信息 #洛伦兹编码 #医学成像 #MRI #arXiv #研究论文
来自arXiv的一份预印本显示，由Dexuan Li等研究人员提交的论文“Self-Supervised Implicit CEST Reconstruction via Physics-Informed Lorentz Encoding”提出了CEST成像重建的新方法。CEST（化学交换饱和转移）是一种重要的分子MRI技术，可探测低浓度代谢物和pH变化，但传统重建易受噪声和欠采样影响。该方法将物理洛伦兹模型引入重建过程，并通过自监督学习范式进行训练，有效提升了图像质量与重建稳定性，同时减少了对大量标注数据的依赖。研究团队认为，该技术有望推动CEST成像在肿瘤诊断、脑功能成像等领域的临床应用。该论文于2026年7月7日提交至arXiv，提供全文PDF开放获取。 #CEST #自监督学习 #物理信息 #洛伦兹编码 #医学成像 #MRI #arXiv #研究论文
x-Prediction方法提出训练免费加速生成，通过端点可解码性实现
据arXiv预印本显示，研究者Xin Peng等于2026年7月提交了一篇题为“x-Prediction Is All You Need: Training-Free Accelerated Generation via Endpoint Decodability”的论文。该工作提出一种无需额外训练即可加速生成过程的x-Prediction方法，核心利用“端点可解码性”（Endpoint Decodability）来提升推理效率，为大型生成模型提供一种低成本加速方案。论文已提交至arXiv，相关研究与代码资源有待进一步公开。 #人工智能 #AI #生成模型 #加速推理 #训练免费 #arXiv #论文 #xPrediction #端点可解码
据arXiv预印本显示，研究者Xin Peng等于2026年7月提交了一篇题为“x-Prediction Is All You Need: Training-Free Accelerated Generation via Endpoint Decodability”的论文。该工作提出一种无需额外训练即可加速生成过程的x-Prediction方法，核心利用“端点可解码性”（Endpoint Decodability）来提升推理效率，为大型生成模型提供一种低成本加速方案。论文已提交至arXiv，相关研究与代码资源有待进一步公开。 #人工智能 #AI #生成模型 #加速推理 #训练免费 #arXiv #论文 #xPrediction #端点可解码
建模常态即是全部
一篇题为“Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems”的学术论文在arXiv平台预发布。该论文由Alexander Apartsin与Yehudit Aperstein共同撰写，于2026年7月7日提交。论文提出了一种针对多模态信息物理系统的异常检测方法，核心思想是“建模常态即是全部”，即通过联合潜在聚类来对系统的正常行为模式进行学习。该方法在潜在空间中聚类正常样本的表示，从而在不依赖大量异常样本的情况下提升检测性能，为解决多模态数据融合下的异常识别难题提供了新视角，对智能工业监控等场景具有参考价值。 #异常检测 #多模态 #信息物理系统 #联合聚类 #机器学习 #arXiv #学术论文
一篇题为“Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems”的学术论文在arXiv平台预发布。该论文由Alexander Apartsin与Yehudit Aperstein共同撰写，于2026年7月7日提交。论文提出了一种针对多模态信息物理系统的异常检测方法，核心思想是“建模常态即是全部”，即通过联合潜在聚类来对系统的正常行为模式进行学习。该方法在潜在空间中聚类正常样本的表示，从而在不依赖大量异常样本的情况下提升检测性能，为解决多模态数据融合下的异常识别难题提供了新视角，对智能工业监控等场景具有参考价值。 #异常检测 #多模态 #信息物理系统 #联合聚类 #机器学习 #arXiv #学术论文