**火箭引擎初创公司 Impulse Space 近日宣布完成 5 亿美元 D 轮融资，资金将主要用于招聘约 200 名新员工，而非投资于 AI 取代人类工程师。** 这一决策背后，是公司对硬件工程领域人才不可替代性的深刻认识。 ## 融资背景与用途 本轮融资由 **137 Ventures** 和 **BANNER VC** 领投，Founders Fund、Lux Capital 及 Linse Capital 跟投。随着美国政府加大对国家安全领域的投入，以及 SpaceX 筹备 IPO 引发的太空投资热潮，Impulse 成功吸引了大量资本。公司专注于在轨机动能力，其开发的 **Mira** 平台具备高机动性，主要面向美国太空军客户；另一款产品 **Helios** 则用于将卫星从近地轨道快速送至更高轨道。公司总裁兼首席运营官 Eric Romo 表示，新资金将用于建造和测试更多太空飞行器，并强调在航空航天人才需求旺盛的当下，招聘是公司的首要任务。 ## 硬件工程 vs. AI：人才为何不可替代？ 尽管 Impulse 的软件团队已开始采用 AI 编码工具，但在解决实际工程问题时，Romo 认为深度学习模型尚未准备就绪。他本人曾是 SpaceX 的第 13 号员工（2003 年入职），负责用计算机模拟引擎设计性能。他回忆道：“如果模拟结果能接近真实值的 20% 以内，我就算成功了——因为当时的模拟精度就是那么差。”Romo 指出，模拟技术虽有改进，但进步有限，**“设计、分析、建造、测试”的物理迭代流程至今仍无可替代**。 他进一步解释，硬件设计 AI 工具之所以发展缓慢，根本原因在于训练数据的匮乏。与互联网上海量的文本和代码不同，**“如果你想找到世界上最好的涡轮泵密封组件设计方案，你在网上是找不到的”**。这种领域知识的稀缺性，使得 AI 难以在硬件工程中快速落地。 ## 人才竞争与战略布局 Impulse 最初专注于推进系统，后拓展至整星建造，因此需要补充飞行器结构、飞行计算机等领域的工程师。公司最近在科罗拉多州开设新办公室，正是为了应对航空航天人才选择多样化的趋势——如今工程师不再局限于洛杉矶，西雅图、丹佛、德州等地都提供了大量机会。 公司下一步计划是再次发射其 **Mira** 航天器（去年底已完成第三次飞行）。在 AI 热潮席卷各行各业的当下，Impulse 用真金白银投票，表明**物理世界的工程创新，最终仍取决于人类智慧**。
全球定位系统（GPS）无处不在，从导航应用到位置共享，它已成为现代生活不可或缺的一部分。然而，其依赖卫星信号的特性也带来了脆弱性：在隧道、地下停车场、室内环境或信号干扰严重的情况下，GPS 可能失效。现在，一种基于手机中常见磁力计的新技术正在崛起，有望成为 GPS 的可靠替代或补充方案。 ## 从指南针到导航工具 手机中的磁力计最初仅用于电子罗盘，提供方向指示。但通过分析地球磁场在不同位置的细微变化，这些微型传感器能够实现精确定位，这一技术被称为**独立磁力测量**。与 GPS 不同，它不依赖外部信号，因此天然具有抗干扰、无盲区的优势。 ## 技术原理与进展 地球磁场并非均匀分布，其强度和方向会因地理位置、地下矿物结构等因素而呈现独特的“指纹”。通过预先绘制高精度的地磁场地图，并利用手机磁力计实时采集数据，算法可以将测量结果与地图匹配，从而确定位置，精度可达米级。 多家公司正在推动这一技术的商业化。例如，**SandboxAQ** 开发了基于量子传感器和磁力计的导航系统，已在美国军方测试中展示了在 GPS 拒止环境下的可靠性。另一家初创公司 **InfiniDome** 则专注于为无人机和车辆提供抗干扰的磁导航方案。手机厂商也在探索集成更灵敏的磁力计，以增强室内导航和增强现实（AR）体验。 ## 应用场景与挑战 独立磁力测量的应用前景广阔： - **室内导航**：在商场、机场、医院等大型建筑内，GPS 信号微弱，磁力导航可提供精确的路径指引。 - **地下与水下作业**：隧道、矿井、潜水器等场景可受益于不依赖卫星的定位。 - **军事与关键基础设施**：在电子战环境下，磁导航可作为 GPS 的备份，确保导航能力。 - **物联网与自主系统**：为机器人、自动驾驶车辆提供鲁棒的定位能力。 然而，该技术也面临挑战。地球磁场会随时间缓慢漂移，且受建筑物内钢筋、电子设备等干扰，需要频繁更新地图并校准传感器。此外，当前手机磁力计的精度有限，难以满足高精度要求，而更高性能的量子磁力计成本高昂。 ## 未来展望 尽管存在不足，独立磁力测量作为 GPS 的补充技术，其价值已获业界认可。随着传感器小型化和算法进步，未来手机可能同时集成 GPS、磁力计、Wi-Fi 和蓝牙等多源定位能力，实现无缝切换。这不仅是技术迭代，更是对导航基础设施韧性的重要提升。 总之，当 GPS 信号消失时，地球磁场或将成为我们新的“北极星”。
知名对冲基金经理、电影《大空头》原型迈克尔·伯里近日公开表示，他认为 SpaceX 和 Anthropic 的估值被严重高估，两家公司都配不上 1 万亿美元的市值。这一言论在科技投资圈引发热议，尤其是在 AI 和航天赛道持续升温的当下。 ### 伯里的核心论点 伯里在社交媒体上直言，市场对这两家明星公司的追捧已经脱离基本面。对于 SpaceX，他指出虽然其在商业航天领域具有先发优势，但太空经济的规模化仍面临技术、监管和需求等多重不确定性。至于 Anthropic，这位以做空次贷闻名的投资者认为，当前 AI 大模型公司的估值逻辑类似于 2021 年的加密货币泡沫——缺乏可持续的盈利模式，且竞争格局尚不明朗。 ### 估值争议背后的行业现实 伯里的质疑并非空穴来风。SpaceX 在 2023 年的一轮融资中估值达到约 1800 亿美元，而 Anthropic 则在 2024 年初估值突破 600 亿美元。这两家公司的估值确实与 1 万亿美元有较大差距，但市场对其未来增长寄予厚望。 - **SpaceX** 的星链业务已实现正向现金流，但太空旅游、火星殖民等长期愿景尚未落地。 - **Anthropic** 的 Claude 模型在安全性和性能上表现突出，但商业化进程仍落后于 OpenAI，且面临谷歌、微软等巨头的竞争。 ### 市场分歧与投资者情绪 伯里的观点代表了一部分价值投资者的谨慎态度。他们认为，当前科技巨头和明星创业公司的估值已经透支了未来数年的增长，尤其是 AI 领域，资本涌入速度远超技术成熟度。然而，成长型投资者则坚信 SpaceX 和 Anthropic 具备颠覆行业的能力，长期来看 1 万亿美元并非不可能。 ### 小结 无论伯里的预测最终是否正确，他的言论提醒市场：在追逐前沿科技的同时，不应忽视基本面风险。对于普通投资者而言，理解这些公司的实际业务进展和财务健康度，比单纯关注估值数字更为重要。
如果你经常在 macOS 上传输文件，那么 **Transmit** 绝对值得一试。这款售价 **45 美元**（一次性购买，提供 7 天免费试用）的应用，凭借其出色的图形界面和广泛的协议支持，成为专业用户的理想选择。 ### 核心优势：不止于快 Transmit 支持 **SFTP、WebDAV** 以及众多云服务，包括 Amazon S3、Backblaze B2、Box、Dropbox、Google Drive、Azure、OneDrive 等。对于需要频繁与远程服务器或云存储打交道的用户来说，这意味着无需切换多个工具。作者特别提到，通过 SSH 密钥认证连接 SFTP 服务器，既安全又便捷。 ### 值得关注的细节 - **标签式界面**：可同时打开多个连接，无需重复登录，提升工作效率。 - **Google Drive 支持即将终止**：由于 Google 的 API 变更，新用户将无法添加 Google Drive 账户，已有连接可继续使用。这是许多同类应用面临的共同问题。 - **一次性付费**：相比订阅制，45 美元的价格对于重度用户来说性价比很高。 ### 行业背景 在 AI 和云计算时代，文件传输工具的需求日益增长。无论是数据科学家上传模型文件，还是开发者部署代码，高效、可靠的文件传输都是刚需。Transmit 通过集成多种协议和服务，简化了工作流程，尤其适合需要跨平台、跨服务传输的用户。 ### 小结 虽然市面上有免费的 FTP 客户端，但 Transmit 在易用性、稳定性和功能完整性上表现突出。如果你每天都要处理大量文件传输，这笔投资很可能物超所值。
特朗普政府在人工智能监管问题上陷入内部混乱。据多位知情人士透露，官员们正试图确定能否重新拾起上月被总统唐纳德·特朗普突然否决的AI监管行政令。过去几周的相关讨论被硅谷关键玩家和政府官员普遍视为混乱不堪。一些AI高管私下告诉《连线》杂志，他们对修订后的行政令可能要求什么感到不确定，甚至不确定最终是否会签署任何命令。 5月21日，特朗普在预定签署仪式前几小时突然取消该行政令。他当时告诉记者，该命令可能扼杀国内竞争，并削弱美国在AI竞赛中相对于中国的优势。被否决的行政令中最具争议的部分是一项自愿框架条款，要求OpenAI、Anthropic和谷歌等AI实验室在公开发布前提前向白宫提供AI模型，以评估其网络安全能力。 推动监管的核心动力来自白宫内部对AI快速成为国家安全问题的认识——尤其是考虑到Anthropic的Mythos和OpenAI的GPT-5.5模型在发现传统软件系统漏洞方面的卓越能力。这一努力表明政府态度有所转变，此前特朗普政府曾回避AI监管尝试。 草案还建议AI实验室可在公开发布前最多90天提交模型，但多位AI高管告诉《连线》杂志，他们的公司可能无法提前这么久共享模型。一些AI领袖和助手希望行政令能以修订形式回归，保留一些争议较小的条款。 据多个参与机构的工作人员称，行政令能否复活现在主要取决于白宫高级官员能否协调各方派系。白宫办公厅主任苏西·威尔斯已牵头一个推动复活行政令的高级官员小组，成员包括财政部长斯科特·贝森特和国家网络总监肖恩·凯恩克罗斯。贝森特已成为该进程中的关键人物。
我从 1997 年开始使用 Linux。如果你想在 Linux 用户的层级阶梯上不断攀升，那么有些技能是你必须沿途学习的。 ## 命令行：基本功中的基本功 尽管如今 Linux 完全可以脱离命令行使用，但要想真正掌握这款开源操作系统，你不仅需要学习命令行（CLI），更要让它成为你的第二本能。从 **cd、ls、rm、mkdir** 这些基础命令开始，逐步掌握管道、重定向和命令链，你就能释放 GUI 无法企及的强大力量。 ## 文件系统与权限管理 Linux 的文件系统层次结构（FHS）和权限模型是其安全性的基石。你需要深入理解 **读、写、执行** 三种权限对文件和目录的不同含义，以及 **chmod、chown、chgrp** 等命令的用法。掌握这些，你才能安全高效地管理多用户环境。 ## 进程管理 系统运行中，进程无处不在。学会使用 **ps、top、htop、kill、nice** 等工具监控和管理进程，了解前台与后台任务的区别，是系统调优和故障排查的关键。 ## 软件包管理 无论是 Debian 系的 **apt** 还是 Red Hat 系的 **yum/dnf**，熟练使用包管理器来安装、更新、删除软件，并处理依赖关系，是日常运维的必备技能。 ## Shell 脚本编程 将重复性任务自动化是高手与普通用户的显著区别。学习 **Bash 脚本** 的基本语法、变量、循环、条件判断，可以极大提升工作效率。 ## 网络配置与诊断 在服务器领域，网络是生命线。掌握 **ifconfig/ip、ping、traceroute、netstat/ss、nslookup/dig** 等工具，能够快速诊断连接问题，配置网络接口和服务。 ## 安全加固 安全是永恒的主题。了解 **防火墙（iptables/firewalld）、SELinux/AppArmor、SSH 密钥认证、用户权限最小化** 等基础安全实践，能有效防范常见威胁。 ## 系统日志与排错 当系统出现问题时，日志是首要线索。学会查看 **syslog/rsyslog、journalctl、dmesg** 等日志，结合 **strace、lsof** 等调试工具，可以快速定位问题根源。 以上 8 项技能并非一蹴而就，需要持续实践。从简单到复杂，逐步深入，你就能从普通用户成长为真正的 Linux 专家。
arXiv:2606.00082v1 Announce Type: new Abstract: Explainability of deep learning algorithms is critical for computer-vision applications with high-stake decisions. Concept bottleneck models (CBM) have recently shown promising performance to provide explainable and accurate predictions for classification problems, based on a bottleneck of high-level concepts. Existing CBM methods rely on a linear aggregation of the concept scores to compute predictions. However, a large number of concepts is often
强化学习（RL）的成功高度依赖准确的奖励函数，但在机器人等真实场景中，奖励函数往往需要手工设计，甚至难以获得。近年来，研究者尝试利用预训练视觉语言模型（VLM）的零样本推理能力作为奖励模型，然而这类方法在缺乏精心设计的提示（prompt）时，容易产生次优奖励，其中假阳性预测会严重干扰下游策略学习。 针对这一瓶颈，来自多家机构的研究团队提出了 **Demo2Reward**——一种测试时提示优化方法，仅需 **3-10 条专家示范轨迹**，即可自动优化 VLM 奖励模型的语言指令，在减少假阳性奖励的同时保持真阳性识别。该方法无需额外的模型训练或计算资源，直接应用于策略学习之前。 ## 核心思路 Demo2Reward 的核心洞察在于：**测试时对提示进行优化**。传统方法依赖手动编写提示，而 Demo2Reward 利用少量示范数据，通过可微优化调整提示文本的嵌入表示，使奖励模型更准确地匹配示范中的行为模式。具体而言，它通过对比示范轨迹与随机轨迹的奖励差异，反向传播更新提示嵌入，从而抑制错误的高分奖励（假阳性），并保留正确的奖励信号（真阳性）。 ## 实验结果 在多个模拟机器人任务（如推箱、抓取、移动）上，Demo2Reward 一致优于现有的零样本和少样本 VLM 奖励模型。例如，在 MetaWorld 和 D4RL 基准测试中，采用 Demo2Reward 优化后的奖励模型，其下游策略成功率提升 **20-40%**，假阳性率降低 **50% 以上**。更关键的是，该方法成功迁移至真实机器人场景：在一台机械臂的抓取任务中，仅凭 5 条示范轨迹，Demo2Reward 便使机器人学会了稳定抓取，完全无需手动设计奖励函数。 ## 意义与展望 Demo2Reward 为机器人学习提供了一条实用路径：**利用少量示范数据，自动获得高质量奖励信号**。这降低了 RL 在真实世界应用的门槛，尤其适合那些难以定义奖励的复杂任务。未来，该方法可进一步结合在线数据优化提示，或扩展到多模态奖励设计。论文已公开于 arXiv（2606.00083），代码即将开源。 ## 总结 - **问题**：VLM 作为奖励模型易产生假阳性，需手动调提示。 - **方案**：Demo2Reward 用 3-10 条示范在测试时自动优化提示，无需额外训练。 - **效果**：模拟和真实任务中均显著提升奖励准确性和策略成功率。 - **价值**：让机器人能从少量演示中学习，摆脱手工奖励工程。
## 大模型与大脑的“情绪坐标”对齐，但监督信号已饱和？ 一项来自 arXiv 的新研究（arXiv:2606.00129）发现，现代大语言模型（LLM）内部存在一条与人类脑电（EEG）中情绪效价（valence）高度一致的神经表征轴。然而，更令人意外的是，试图利用这种对齐来提升情绪解码性能的尝试几乎全部失败，研究者将其总结为“饱和规律”。 ### 仅用9个句子构建的“V轴” 研究团队仅使用9个情感唤起句子（如“我中奖了”“我失去了亲人”），从多个现代LLM（如GPT、Llama等）的隐藏层中提取出一维的**效价方向（V-axis）**。该方向通过零样本迁移至情感基准数据集得到验证，并在14个不同的LLM中保持跨模型一致性。这说明LLM内部确实编码了一个通用、稳定的情感维度。 ### LLM的V轴映射到人类脑电 在包含123名受试者的公开EEG数据集上（受试者观看情感视频片段），研究者发现**仅用一个线性投影**就能从EEG特征中追踪到每个视频片段的V轴位置。更关键的是，36个独立训练的EEG情绪分类器（未接触V轴信息）在其内部表征中自发地“重新发现”了相同的方向。这表明，无论是语言模型还是人类大脑的电生理活动，都共享一种类似的效价结构。 ### 饱和规律：对齐信号为何失效？ 既然LLM与大脑在情绪表征上如此一致，能否利用这种对齐来训练更好的脑机接口（BCI）解码器？研究者测试了25种对齐策略，包括知识蒸馏、表征相似性、对比学习和拓扑损失等。结果令人震惊：**没有一种方法能提升解码准确率，其中16种甚至显著降低了性能**。 他们用“饱和规律”解释这一现象：当任务标签（如情绪类别）已经足够驱动脑解码网络朝向目标方向时，额外的对齐信号主要干扰一个已经“饱和”的优化盆地，而对承载分类性能的“类内残差”几乎没有贡献。换句话说，LLM-EEG的对齐在宏观方向上成立，但精细分类所需的细节信息并不在此对齐轴上。 ### 突破方向：残差集成 基于这一洞察，研究者提出改进不应来自强化对齐，而应**利用监督信号无法触及的残差子空间**。他们通过集成多个具有不同残差特征的解码器，在FACED数据集上将平衡准确率提升了**10.5%**，并在SEED-V上复现了相同效果。 ### 启示与展望 这项研究不仅揭示了LLM与人类大脑在情感处理上的深层联系，也指出了当前脑解码范式的潜在瓶颈。未来，如何有效利用大模型提供的“全局对齐”与“局部残差”之间的互补信息，或将成为提升BCI性能的关键。
## 微调基础模型的两难困境 大型基础模型（如LLaMA、GPT等）在预训练阶段积累了广泛的能力，但在针对特定下游任务进行微调时，往往会**遗忘**预训练阶段学到的非目标能力。例如，一个擅长数学推理的模型，经过指令微调后可能数学能力下降。现有方法通过特殊初始化或固定约束来缓解遗忘，但无法在训练过程中动态调节**适配与保持**的权衡。 ## FoLoRA：基于广义瑞利商的遗忘感知优化框架 来自德克萨斯大学奥斯汀分校和微软的研究团队提出**FoLoRA（Foundation Preserving LoRA）**，这是一种遗忘感知优化框架，核心创新在于将**广义瑞利商**引入微调过程。FoLoRA通过以下步骤实现适配与保持的平衡： 1. **定义两个关键指标**： - **遗忘惩罚**：基于预训练代理激活（通过从预训练模型采样构建的校准数据计算）衡量更新方向对非目标能力的损害； - **任务效用**：基于下游任务激活衡量更新方向对目标任务的贡献。 2. **广义瑞利商评分**：将每个更新方向的得分定义为“任务效用/遗忘惩罚”，即每单位遗忘惩罚带来的任务效用。得分高的方向表示在遗忘较少的情况下提升目标任务。 3. **谱坐标系统与门控Adam更新**：利用广义瑞利商构建谱坐标系统，对低效用-高惩罚的方向进行衰减（即门控），从而在Adam优化器中动态调整更新强度。 ## 创新校准数据构建 FoLoRA另一个亮点是**预训练代理校准数据的生成**：不依赖单一代理数据集，而是从预训练模型本身采样。这种方法更具通用性，避免了代理数据集偏差，同时降低了对外部数据的依赖。 ## 实验效果 在**数学、代码和指令跟随**三个适配场景下的实验表明，FoLoRA在保持非目标能力（如通用知识、推理）方面显著优于现有基线方法（如LoRA、DARE等），同时目标任务性能也有提升。例如，在数学适配中，FoLoRA在GSM8K上保持高准确率的同时，代码生成能力下降幅度最小。 ## 行业意义 FoLoRA为**基础模型持续学习**和**多能力平衡**提供了新思路。随着模型在垂直领域（如医疗、法律）的广泛应用，如何在不破坏通用能力的前提下进行高效适配，成为关键挑战。FoLoRA的**动态门控机制**和**代理数据采样策略**具有实用价值，可集成到现有LoRA微调流程中，为开发者提供更安全的微调方案。 ## 小结 FoLoRA通过广义瑞利商优化，将遗忘惩罚和任务效用统一到一个数学框架中，实现了微调过程中适配与保持的精细调节。该方法在多个任务上展示了优越性，有望成为基础模型适配的标准工具之一。未来工作可能包括扩展到更大模型和更多模态，以及探索更高效的代理数据构建方式。
世界模型（World Models）作为学习环境结构与动态的内部模拟器，正成为实现通用人工智能的核心范式。近期一篇由26位学者联合撰写的综述论文（arXiv:2606.00133）系统梳理了这一领域，提出了涵盖**架构、方法论家族、推理策略与应用领域**的四维分类法，填补了长期以来缺乏统一框架的空白。 ## 四维分类法：解构世界模型 论文从四个关键维度组织庞大文献： - **架构维度**：涉及表示格式（隐空间/显式状态）、动态公式化（确定/随机）、输入模态（视觉/触觉/语言）、学习范式（监督/自监督/强化）及下游任务类型。 - **方法论家族**：包括**状态空间与循环方法**（如RSSM）、**Transformer基模型**（如DreamerV3中的序列建模）、**扩散生成器**（用于视频预测）、**物理信息网络**（融入先验物理定律）以及**语言增强多模态系统**（如RT-2）。 - **推理策略**：涵盖**基于想象力的规划**（如PlaNet的在线规划）、**隐策略学习**（Dreamer系列）、**反事实推理**（评估“如果…会怎样”）以及**不确定性下的规划**（如MuZero的蒙特卡洛树搜索）。 - **应用领域**：从机器人、自动驾驶、视频预测到科学建模（气候/分子动力学）、医学影像、教育测量和商业金融，横跨十余个场景。 ## 里程碑系统与最新趋势 论文追溯了从早期认知科学基础到现代标志性系统的演进：**PlaNet**首次在隐空间进行规划；**Dreamer系列**将学习与规划统一于潜在动态；**MuZero**无需环境模型即可学习规划；**Sora**展示了大模型在视频生成中的世界模拟能力；**Cosmos**与**Genie**则分别聚焦于物理交互与可交互虚拟世界。 值得注意的是，**链式思维推理与世界模型想象力的融合**正成为新热点——模型不仅生成未来状态，还能通过多步推理解释其决策逻辑，这对可解释AI与安全对齐至关重要。 ## 挑战与开放问题 尽管进展迅猛，领域仍面临三大核心挑战： 1. **累积预测误差**：长时域推演中误差指数级增长，影响规划可靠性。 2. **仿真到现实迁移**：模型在仿真中学习后难以直接部署到真实环境，需解决域适应与鲁棒性问题。 3. **评价碎片化**：缺少统一基准，不同论文使用不同任务与指标，难以横向对比。 论文呼吁建立标准化评估协议，并指出未来方向包括**多尺度世界模型**（同时处理秒级与小时级动态）、**语言引导的抽象推理**以及**与大型语言模型深度融合**。 ## 小结 世界模型正从单一学术概念演变为AI系统的核心组件。这篇综述不仅为研究者提供了清晰的分类地图，更揭示了**“预测-规划-推理”闭环**如何驱动下一代智能体。随着Sora等生成式模型与MuZero等规划算法的结合，世界模型有望在机器人、自动驾驶和科学发现中释放更大潜力。
混合专家（MoE）大语言模型通过稀疏专家激活降低了每token的计算量，但部署时所有专家权重需常驻内存，导致内存压力巨大。现有压缩方法在超低位宽下表现不佳：剪枝不可逆地移除模型容量，而粗粒度量化无法根据专家和权重方向的重要性分配位宽。为此，研究者提出 **BitsMoE**——一种基于谱能量引导的位宽分配框架，专为MoE大模型量化设计。 ## 核心思路：SVD分解与谱感知量化 BitsMoE的核心创新在于利用奇异值分解（SVD）将每个MoE层分解为**共享基**和**专家特定谱因子**。共享基不进行量化，以保留跨专家的通用结构；而专家特定因子则作为细粒度量化单元。这种分解将量化误差限制在专家差异部分，避免了共享信息的损失。 ## 混合精度位宽分配：激活感知整数线性规划 为了确定每个量化单元的位宽，BitsMoE将谱级混合精度量化建模为**激活感知重建替代问题**，并通过整数线性规划在固定位预算下最小化估计重建损失。具体而言，该方法利用谱能量（即奇异值）作为重要性指标，能量更高的成分分配更多位宽，从而在压缩比和模型质量间取得最优平衡。 ## 实验结果：2-bit量化下精度提升27.83个百分点 在 **Qwen3-30B-A3B-Base** 模型上的测试显示，2-bit量化下BitsMoE相比GPTQ实现了 **12.3倍量化加速**，平均准确率提升 **27.83个百分点**，解码速度提升 **1.76倍**。在多个MoE大模型（如Mixtral 8x7B、DeepSeek-MoE等）的实验中，BitsMoE在超低位宽（2-3 bit）下均显著优于现有方法，同时保持了高吞吐量。 ## 行业意义与展望 MoE模型因其高效推理而成为大模型部署的主流选择，但内存瓶颈制约了其在边缘设备上的应用。BitsMoE通过**谱能量引导的位宽分配**，首次在超低位宽下实现了可接受的精度损失，为MoE大模型的极致压缩提供了新思路。未来，该方法可进一步结合量化感知训练和硬件协同设计，推动大模型在资源受限场景的落地。 论文代码和模型已开源，详见项目地址。
## 快讯：DAS事件分类迎来高效新方案 分布式声学传感（DAS）技术利用光纤实现大规模监测，但高维度与复杂的时空模式让事件分类成为难题。现有深度学习方法（如CNN、循环模型及Transformer变体）要么难以捕捉长程依赖，要么处理原始DAS矩阵成本过高。近日，来自IMT Nord Europe的研究团队提出**DAStatFormer**——一种混合多分支Transformer架构，通过紧凑的多域统计特征与门控Transformer网络相结合，在显著降低计算开销的同时实现高达**99.4%** 的分类准确率。 ## 核心创新：从原始信号到统计特征 DAStatFormer的突破在于**避开原始高维信号**，转而从每个通道提取24个经ANOVA筛选的统计属性，覆盖时域、波形和频谱三个域。这一策略将数据规模压缩数个数量级，同时保留关键判别信息。每个域由专用的**逐步注意力分支**和**逐通道注意力分支**处理，最后通过自适应门控机制融合。 ## 性能对比：轻量级下的卓越表现 实验基于公开的Φ-OTDR基准数据集和真实场景DAS数据集。结果显示，DAStatFormer不仅准确率接近完美（真实场景近乎100%），且参数量和推理成本远低于DASFormer、DeepViT等模型。这意味着它更适用于**实时、大规模**的DAS监测部署。 ## 行业意义：边缘智能的潜力 DAS在油气管道监控、地震预警、安防等领域应用广泛，但传统方案依赖昂贵计算设备。DAStatFormer的轻量设计为**边缘端部署**打开了可能——只需提取少量统计特征即可完成精准分类，有望推动DAS从实验室走向工程现场。 研究团队已开源代码（见论文链接），为后续工作提供了坚实基础。
## 研究背景与核心思路 深度神经网络（DNN）的规模持续膨胀，给部署在资源受限设备上带来了巨大挑战。传统的模型压缩方法，如低秩分解和剪枝，往往在压缩比和精度之间难以兼顾。近期，来自arXiv的一篇论文（arXiv:2606.00130）提出了一种名为**自动可微非线性张量网络（ADNTNs）** 的框架，旨在通过结构化权重生成实现指数级压缩，同时保持甚至提升模型精度。 ADNTNs 的核心思想是：不直接存储庞大的权重矩阵，而是通过一组**小型核心张量**，利用非线性激活函数和层次化连接（类似张量网络中的树结构）来“生成”大权重。这些核心张量通过**反向模式自动微分（AD）** 进行端到端训练，使其能够适应特定任务。 ## 三大架构与关键特性 论文重点研究了三种张量网络架构： - **Tree Tensor Networks (TTNs)**：基础树形结构，通过层级组合构建权重。 - **augmented TTNs (aTTNs)**：在TTN基础上引入**边界纠缠消除单元**，提升表达能力。 - **Multi-scale Entanglement Renormalisation Ansatze (MERA)**：多尺度纠缠重整化，更擅长捕捉长程依赖。 这些架构支持非线性激活、任务感知目标、批处理以及硬件感知的执行调度。作者特别指出，ADNTNs 并非简单地“免费”计算，自动微分并不能消除大中间张量的存储成本或优化收缩顺序的难题。 ## 实验结果与性能亮点 研究在 **AlexNet** 和 **VGG-16** 的多个层上进行了广泛模拟。结果显示，每层压缩比从约 **2000倍到77000倍** 不等，而模型精度通常与稠密基线持平，甚至在VGG-16的若干层中**有所提升**。例如，在VGG-16的某些卷积层上，ADNTN在压缩超过万倍的情况下，分类准确率反而比原始模型高出0.5-1个百分点。 这些结果令人鼓舞，但作者也保持审慎，认为这是“鼓励性而非最终结论”。ADNTNs 的真正潜力需要结合**优化算法、收缩调度和部署内核**的协同设计才能充分发挥。 ## 行业影响与未来展望 ADNTNs 为模型压缩提供了一种**数学结构严谨且硬件友好**的新范式。与低秩适应（LoRA）等仅单步更新的方法相比，ADNTN通过多层非线性层次结构实现了更强的表达能力。未来，该技术有望在移动端AI、边缘计算和大型语言模型（LLM）的部署中发挥重要作用，尤其是在需要极高压缩比且对精度敏感的场景。 不过，目前的工作主要局限于卷积层，将其扩展到Transformer架构（如注意力权重）仍是开放问题。此外，自动微分带来的额外计算开销也需要进一步优化。
## 概述 在 AI 助手与 MCP（Model Context Protocol）服务器交互的场景中，安全认证是生产环境部署的关键环节。本文介绍如何利用 **Amazon Bedrock AgentCore Gateway** 实现 **OAuth 授权码流程（Authorization Code Flow）**，为 MCP 服务器提供入站身份验证机制。通过本方案，每个 AI 助手请求都将携带来自组织身份提供者（IdP）的有效用户身份令牌，确保请求来源的合法性与可追溯性。 ## 核心架构与实现 ### 1. 为什么选择授权码流程？ 授权码流程是 OAuth 2.0 中最安全的授权模式之一，特别适合服务端通信场景。与隐式流程相比，它避免了令牌直接暴露在浏览器端，而是通过后端交换授权码获取访问令牌，从而降低令牌泄露风险。在 AI 助手调用 MCP 服务器的上下文中，这一机制能有效防止未授权访问，确保只有经过身份验证的用户才能触发特定操作。 ### 2. 组件与工作流 - **AgentCore Gateway**：作为反向代理和认证网关，拦截所有传入的 MCP 请求，执行令牌验证与转发。 - **MCP 客户端**：AI 助手或应用程序，发起对 MCP 服务器的请求。 - **身份提供者**：组织内部的 OAuth 2.0 服务器（如 Okta、Auth0 或自建服务），负责签发 ID Token 和 Access Token。 - **MCP 服务器**：提供具体功能的后端服务，例如数据库查询、文件处理等。 **典型流程如下：** 1. MCP 客户端向 AgentCore Gateway 发起请求，携带身份提供者签发的 ID Token。 2. Gateway 验证令牌的签名、颁发者（issuer）和受众（audience），确保令牌有效且未过期。 3. 验证通过后，Gateway 将令牌中的用户身份信息（如用户 ID、角色）传递给下游 MCP 服务器。 4. MCP 服务器根据用户身份执行授权逻辑，返回响应。 ### 3. 配置要点 - **令牌验证规则**：在 AgentCore Gateway 中配置 JWT 验证参数，包括 JWKS URI（用于获取公钥）、期望的 `iss` 和 `aud` 值。 - **令牌缓存与刷新**：为避免每次请求都重复验证，Gateway 可缓存已验证的令牌（基于 JWT ID `jti`），并支持令牌刷新机制。 - **错误处理**：当令牌无效或过期时，Gateway 应返回标准 HTTP 401 状态码，并附带错误描述，方便客户端调试。 ## 场景价值 该方案适用于企业级 AI 应用，例如： - **内部知识库助手**：仅允许特定部门的员工通过认证后查询敏感数据。 - **自动化工作流**：不同用户角色触发不同的 MCP 服务器操作，实现细粒度访问控制。 - **审计与合规**：所有请求都关联到具体用户身份，便于日志审计和问题追踪。 ## 小结 通过 AgentCore Gateway 集成 OAuth 授权码流程，开发者可以为 MCP 服务器快速添加身份验证层，无需修改现有后端代码。这一模式不仅提升了安全性，还保持了与标准 OAuth 生态的兼容性，为 AI 助手的生产级部署提供了可靠的基础设施。
如果你还在为家中Wi-Fi死角烦恼，或者觉得高端Mesh路由器价格高不可攀，那么**Tenda BE5100三件套Mesh Wi-Fi系统**可能会让你眼前一亮。这款仅售**190美元**（约合人民币1300元）的套装，不仅支持最新的**Wi-Fi 7**标准，还能同时处理**12路4K视频流**而毫无卡顿。 ## 性能实测：12路4K视频流无压力 在ZDNET的实测中，这套系统被部署在一个约200平方米的复式住宅内。通过同时播放12路4K超高清视频（包括YouTube、Netflix和本地NAS流媒体），所有节点均未出现缓冲或掉线。测试工具显示，即使在距离主节点最远的角落，信号强度仍保持在-65dBm以上，延迟稳定在10ms以内。 ## Wi-Fi 7加持，性价比突出 BE5100支持Wi-Fi 7（802.11be）的320MHz频宽和4K QAM调制，理论速率可达5.1Gbps。虽然目前Wi-Fi 7终端尚不普及，但向下兼容Wi-Fi 6/6E，且为未来升级预留了空间。相比同类Wi-Fi 7 Mesh系统（如TP-Link Deco BE95售价约600美元），Tenda这套方案价格仅为三分之一，堪称“平民版”入门之选。 ## 设置与功能：App专业，硬件质感一般 配套的**Tenda App**提供了从网络诊断、信号覆盖图到家长控制等专业级功能。用户只需扫描二维码即可完成初始配置，整个过程不到5分钟。不过，路由器外壳采用全塑料材质，手感略显廉价。另外，单独购买扩展节点的价格是100美元，整套购买显然更划算。 ## 行业背景：Mesh Wi-Fi普及加速 随着远程办公、4K/8K流媒体和智能家居设备的爆发，传统单路由器已难以满足全屋覆盖需求。Mesh Wi-Fi系统通过多节点协作实现无缝漫游，成为中大型住宅的刚需。而**Wi-Fi 7**的商用化进一步推动了性能升级——更高的带宽、更低的延迟，使得多设备并发场景（如云游戏、VR）成为可能。Tenda BE5100的出现，意味着Wi-Fi 7 Mesh系统正在从高端市场向主流价位渗透。 ## 小结 如果你预算有限，但又想体验Wi-Fi 7的潜力，Tenda BE5100是一个值得考虑的选择。它用不到200美元的价格，提供了足以覆盖大户型、支撑重度流媒体使用的性能。当然，对质感有要求的用户可能需要权衡其塑料外壳，但在这个价位上，稳定性和速度才是真正的王牌。
## 从《神经漫游者》到桌面：我的赛博终端构建之旅 赛博终端（Cyberdeck）这个名词，最早源自威廉·吉布森1984年的科幻小说《神经漫游者》。如今，它已成为DIY社区中最热门的复古未来主义项目之一。我决定亲自动手，用树莓派打造一台属于自己的便携计算机，体验一把赛博朋克的感觉。 ### 为什么选择赛博终端？ 赛博终端的魅力在于它的自由度和个性化。不同于市面上千篇一律的笔记本或平板，赛博终端完全由你定义：外壳、键盘、屏幕、电池，甚至是操作系统和软件。它不追求性能极致，而是强调独特的视觉风格和功能定制。对于喜欢动手、热爱复古科技的人来说，建造一台赛博终端本身就是一种乐趣。 ### 我的构建过程 我选择了一台**树莓派4B**作为核心，搭配5英寸HDMI触摸屏和机械键盘模块。外壳则用3D打印制作，参考了经典的“砖头”造型，并加入了LED灯带和复古按钮。电源方面，我集成了18650电池组，确保户外使用时的续航。 关键步骤包括： - **硬件组装**：将树莓派、屏幕、键盘和电池通过定制线缆连接，固定在外壳内。 - **系统配置**：安装Raspberry Pi OS，并优化触控和键盘映射。 - **软件定制**：添加终端模拟器、文本编辑器、以及一些复古游戏模拟器。 整个过程耗时约两周，其中调试驱动和电源管理最费时间。但完成后的成就感无可比拟。 ### 它能做什么？ 我的赛博终端并非只是摆设。它实际具备以下能力： - **便携编程**：在户外或咖啡厅里，它是一台全功能的Linux开发机。 - **复古游戏**：通过模拟器运行FC、GB等经典游戏。 - **网络工具**：可作为便携式渗透测试设备（配合Kali Linux）。 - **电子阅读**：用终端阅读纯文本或Markdown文档。 - **展示与社交**：带到黑客马拉松或科技聚会中，绝对是话题中心。 当然，它的性能无法与主流笔记本相比，但**低功耗、可定制性**和**独特外观**是它的核心价值。 ### 赛博终端热潮背后的思考 这股DIY风潮反映了人们对标准化消费电子产品的厌倦。在笔记本、手机几乎同质化的今天，赛博终端提供了一种“反叛”的可能：你可以掌控每一个细节，赋予设备个性。同时，它也是学习硬件和编程的绝佳实践项目。 如果你不想从零开始，市面上已有一些套件或成品可供选择，但真正的乐趣在于亲手打造。正如我在构建过程中感受到的：**过程比结果更重要**。 未来，我计划升级到树莓派5，并加入4G模块，让它成为真正随时在线的“口袋电脑”。赛博终端的可能性，只受限于你的想象力。
**家得宝（Home Depot）** 正在推出一项极具吸引力的夏季促销活动：购买 **Ryobi One+ 18V锂电启动套装**（包含一块2.0Ah电池、一块4.0Ah电池和一个充电器，售价99美元），即可 **免费获赠一把指定Ryobi电动工具**，整体节省高达 **129美元**（折扣率57%）。 ## 活动核心信息 - **促销商品**：Ryobi One+ 18V锂电启动套装（型号可能因库存而异） - **售价**：99美元 - **赠品**：从指定列表中任选一把Ryobi电动工具，免费赠送 - **优惠力度**：相比原价节省约129美元 - **活动期限**：截至2026年6月1日（或售完即止） ## 为什么值得入手 对于DIY爱好者和家庭用户来说，Ryobi One+生态系统提供了丰富的工具选择，且电池通用。这套组合包含一大一小两块电池，适合不同工作强度的需求：2.0Ah电池轻便，适合钻孔、拧螺丝等轻量任务；4.0Ah电池续航更长，适合电锯、吹风机等高耗电设备。免费赠送的工具则可以根据实际需要选择，如电钻、圆锯、打磨机等，相当于将总成本摊薄至不到100美元，性价比极高。 ## 编辑点评 ZDNET编辑评价该促销为“编辑之选”，并给出了5/5的评分。主要优势在于：1）电池套装本身是刚需；2）免费工具相当于白送；3）Ryobi品牌在性价比和工具种类方面口碑良好。需要注意的是，免费工具的选择范围可能有限，建议购买前确认可选项。 ## 购买建议 如果你正在筹划夏季庭院维护或家居改造项目，这套组合可以一次性解决动力源和工具需求。建议优先选择平时售价较高的工具作为赠品，以最大化节省金额。
MX Linux 近日发布了其最新版本，其中包含针对现代硬件的优化，让老旧 PC 也能焕发新生。作为一名长期关注 Linux 发行版的用户，我第一时间在主力机上安装了 **MX-25.2_Xfce_ahs_x64** 版本，体验令人印象深刻。 ## 版本选择：AHS 专为现代硬件打造 MX Linux 提供了多种版本，包括标准版、KDE 版、Fluxbox 版以及树莓派版。其中，**AHS（Advanced Hardware Support）版本** 集成了 **7.07 内核**、最新显卡驱动和固件，特别适合 1-3 年内的新硬件。它使用 **Liquorix 内核**（针对高性能音视频优化），并预装 **DKMS 包** 确保现代 GPU 和 Wi-Fi 芯片开箱即用。此外，**MX Nvidia 安装程序** 让驱动安装变得异常简单。 ## 实际体验：流畅与稳定兼得 在我的中端 PC 上，MX Linux AHS 的 Xfce 桌面环境响应迅速，**HiDPI 缩放**（125% 和 150%）显示清晰锐利。无论是日常办公、网页浏览还是轻度游戏，系统都表现出色。得益于 Debian Stable 的根基，MX Linux 保持了极高的稳定性，几乎没有遇到崩溃或驱动问题。 ## 与竞品对比：速度与稳定的平衡 相比追求极致速度的 CachyOS，MX Linux 更注重稳定性和易用性。它的 **Xfce 桌面** 轻量高效，资源占用低，非常适合老旧设备升级。如果你正在寻找一个既能利用新硬件特性，又不牺牲稳定性的系统，MX Linux AHS 无疑是明智之选。 ## 小结 MX Linux AHS 版本是 Linux 社区针对现代硬件的一次成功优化。它免费、开源，且安装简便，能让任何 PC 焕然一新。无论你是 Linux 新手还是老手，都值得一试。
索尼近日发布了新一代旗舰电视 **Bravia 9 II True RGB**，同时推出的还有 **Bravia 7 II** 及多款更新机型。对于正在考虑升级主电视或添置第二屏幕的用户来说，现在或许是入手的良机——无论你是索尼的忠实粉丝，还是只想淘个好价。 ## Bravia 9 II 的核心升级：True RGB 技术 Bravia 9 II 的最大亮点是采用了 **True RGB** 屏幕技术。与上一代 Bravia 9 的 Mini LED 面板不同，True RGB 通过独立控制红、绿、蓝三原色发光，实现了更广的色域、更精确的色彩还原和更高的亮度。这意味着在观看 HDR 内容时，色彩过渡更加自然，高光细节更加丰富，暗部表现也更纯净。 ## 与 Bravia 9 的对比：值得升级吗？ 从参数上看，Bravia 9 II 在色彩覆盖率和峰值亮度上明显领先。上一代 Bravia 9 的 Mini LED 虽然已经表现出色，但在处理复杂光线场景时仍会出现轻微的光晕现象。而 True RGB 技术从根本上解决了这个问题，每个像素都能独立发光，控光精度达到像素级。 对于追求极致画质的影音爱好者，尤其是经常观看 4K HDR 电影或玩高帧率游戏的用户，Bravia 9 II 的升级是显而易见的。不过，如果你的 Bravia 9 仍在良好服役且对当前画质满意，那么升级的必要性可能不大——毕竟新一代机型的价格预计会更高。 ## 其他更新：Bravia 7 II 与系统优化 除了旗舰型号，索尼还更新了 **Bravia 7 II**，同样搭载了改进的面板技术和更智能的画质算法。全系机型预计将搭载更新的 **Google TV** 系统，提供更流畅的界面和更丰富的流媒体集成。 ## 总结 Bravia 9 II 凭借 True RGB 技术，在画质上实现了质的飞跃，堪称目前索尼电视产品线的巅峰。如果你预算充足且对画质有最高要求，它无疑是值得考虑的选择。但对于现有 Bravia 9 用户，除非你对色彩精准度有专业级需求，否则可以再等一代。