## 书商怀疑AI公司正在批量购买并销毁稀有书籍 近期，一些稀有书商发现了一个令人不安的新趋势：AI公司正在悄然大规模收购稀有书籍，而部分书籍在被购买后似乎消失了。这一现象引发了书商群体的担忧，他们怀疑这些书籍可能并非用于合法的研究或存档，而是被用于训练AI模型后遭到销毁。 ### 背景：AI训练的数据需求与版权争议 随着大语言模型（LLM）的发展，AI公司对高质量文本数据的需求急剧上升。虽然公开网络数据是主要来源，但稀有书籍——尤其是那些未数字化或受版权保护的著作——被视为“金矿”。这些书籍往往包含独特的历史、文化和专业知识，能够显著提升模型的深度和准确性。然而，获取这些书籍的合法性一直存在争议，部分公司甚至通过扫描受版权保护的书籍来训练模型，引发了一系列法律纠纷。 ### 书商的观察与担忧 据书商反映，近期有神秘买家批量购入稀有书籍，且购买行为异常：不关心书籍品相、不讨价还价，甚至对初版或签名本等高价收藏毫无兴趣。更可疑的是，这些书籍在购买后几乎没有再次出现在二手市场，似乎被“永久消失”了。书商担心，这些书籍可能被拆解扫描后销毁，以避免版权纠纷或防止竞争对手获取相同数据。 “我们见过各种收藏家，但从未见过如此大规模、如此沉默的购买行为。”一位书商表示，“他们似乎只在乎内容，而非书籍本身的价值。”另一位书商则指出，这种“毁书”行为对文化传承构成了威胁，因为稀有书籍的实体版本本身具有不可替代的价值。 ### 行业影响与未来走向 如果书商的怀疑属实，这一行为将对出版业和文化遗产保护产生深远影响。一方面，AI公司可能面临更大的法律风险，因为未经授权的复制和销毁行为可能违反版权法；另一方面，书商和收藏家可能会对AI公司产生不信任，导致合作渠道受阻。 目前，尚无确凿证据表明AI公司确实在销毁书籍，但这一现象已引起业界的广泛讨论。一些专家呼吁，AI公司应更加透明地说明其数据获取方式，并与书商、图书馆等机构建立合法合规的合作模式。同时，也有观点认为，这可能是市场供需变化下的正常现象，个别收藏家或机构可能因私人原因大量购书。 ### 小结 AI公司对稀有书籍的大量收购，折射出数据竞赛背后的灰色地带。如何在技术发展与文化保护之间取得平衡，是未来需要共同面对的课题。书商的警惕并非没有道理，但真相仍需更多调查来揭示。
过去几年，AI 笔记硬件市场蓬勃发展，从信用卡大小的设备、吊坠、胸针，到能转录的耳机，各种产品都承诺帮你记录会议并生成摘要和待办事项。如今，新一波可穿戴设备——尤其是智能戒指——正押注人们希望以同样的方式捕捉零散的想法和灵感。 Sandbar 正是这一赛道上的玩家之一，其推出的私人语音戒指 Stream 已累计融资 3600 万美元，其中包括由 Adjacent 和 Kindred Ventures 领投的 2300 万美元 A 轮融资。在 TechCrunch 的 Equity 播客中，Sandbar 联合创始人兼 CEO Mina Fahmi 与资深记者 Rebecca Bellan 探讨了为何许多先前的语音硬件设备难以突围，以及他为何坚信“让人类牢牢掌控”是穿戴式 AI 成功的关键。 ## 从“始终在线”到“按需说话” Fahmi 将 Stream 设计为**按压通话（push-to-talk）**模式，而非始终监听。他认为，这不仅是技术选择，更是对“社会可接受性”的回应。在公共场合对着空气说话仍会让人不适，而通过按键或触摸激活的交互方式，能明确传达“我正在使用设备”的信号，从而减少尴尬。 这种设计理念源于 Fahmi 在 **CTRL-labs** 的经历。这家神经接口初创公司在 2019 年被 Meta 收购，当时他们探索的是如何通过肌电信号实现更自然的人机交互。Fahmi 从中领悟到，**用户主动输入**比被动感知更能建立信任感，也更符合隐私预期。 ## 自研硬件的“痛苦”与价值 Sandbar 没有选择在现成设备上“套壳”，而是坚持**完全自研硬件**。Fahmi 坦言，这条路“痛苦得令人发指”，涉及供应链管理、天线设计、电池续航等一系列难题。但好处是，团队可以深度优化麦克风阵列和降噪算法，确保在嘈杂环境中也能准确捕捉语音。 这种差异化是 Sandbar 避开“AI 硬件坟场”的关键。过去许多设备失败，往往是因为软硬件体验脱节，或功能过于鸡肋。Stream 的目标是成为**私人 AI 助手**，不仅能记录会议，还能捕捉日常灵感，并通过本地处理保护隐私。 ## 走向主流：从极客到大众 Fahmi 认为，语音可穿戴设备要从小众走向大众，必须解决三个问题：**易用性、隐私和社交礼仪**。Stream 的按压通话设计解决了后两者，而 AI 摘要的准确性则决定了易用性。他预计，随着硬件成本下降和 AI 模型进步，这类设备将在未来几年内成为常见配件。 当然，Sandbar 的愿景能否实现，仍有待市场检验。但至少，它选择了一条更谨慎、更以人为本的道路——这或许正是避开“坟场”的正确方向。
谷歌在纽约的Made by Google活动上正式发布了Pixel 11系列，包括Pixel 11、Pixel 11 Pro、Pixel 11 Pro XL以及Pixel 11 Pro Fold。新机现已开启预购，预计8月20日开售。随着新机的到来，如何选择一款合适的保护壳成为用户关注的焦点。ZDNET专家团队经过严格测试和调研，为您精选了多款适配Pixel 11系列的保护壳，兼顾防护性能与设计美感。 ## 选购要点 为Pixel 11系列选购保护壳时，需注意以下几点： - **材质**：硅胶、聚碳酸酯、皮革或芳纶纤维各有优劣，硅胶防摔但易沾灰，芳纶纤维轻薄且坚固。 - **防护等级**：军规级防摔认证（如MIL-STD-810G）能提供更可靠的保护。 - **兼容性**：确保保护壳与手机尺寸精确匹配，且不影响无线充电和NFC功能。 - **手感**：考虑握持舒适度与按键反馈，避免影响日常使用。 ## 专家推荐榜单 以下为ZDNET推荐的部分保护壳（具体排名不分先后）： - **Spigen Tough Armor**：经典防摔壳，双层结构，提供军规级防护，适合追求极致保护的用户。 - **Caseology Parallax**：几何纹理设计，防滑且时尚，性价比高。 - **OtterBox Defender**：三防系列，防尘防摔，适合户外或高使用强度场景。 - **Google官方保护壳**：原厂配件，贴合度最佳，材质环保，设计简约。 - **Pitaka MagEZ Case**：芳纶纤维材质，轻薄且支持磁吸配件，适合追求轻便的用户。 > 注意：以上推荐基于ZDNET的测试与研究，实际体验可能因个人偏好而异。 ## 购买建议 在选购时，建议根据个人使用习惯和预算权衡。如果经常摔手机，优先考虑防护性强的型号；若注重便携和手感，轻薄材质更合适。同时，关注电商平台促销活动，可节省开支。 Pixel 11系列作为谷歌最新旗舰，其屏幕亮度和相机系统均有升级，搭配一款合适的保护壳，既能彰显个性，又能确保设备安全。
微软在八月的补丁星期二（Patch Tuesday）中发布了安全更新，修复了**421个漏洞**，其中包括一个**已被积极利用的Windows零日漏洞**。该零日漏洞若被攻击者利用，可在Windows PC上**获取系统权限**，风险极高。 ## 关键信息速览 - **漏洞总数**：421个 - **零日漏洞**：1个，已被在野利用 - **风险等级**：获取系统权限 - **建议操作**：立即安装更新 ## 零日漏洞详情 该零日漏洞的具体技术细节尚未完全公开，但已知其允许攻击者提升至系统权限，这意味着攻击者可以完全控制受影响的设备，安装程序、修改数据或创建新用户账户。此类漏洞常被用于发起针对性攻击或植入恶意软件。 ## 为何需要立即更新 补丁星期二是企业IT管理的重要节点，微软每月定期发布累积更新。此次修复的421个漏洞中，除零日漏洞外，可能还包含多个远程代码执行、信息泄露等高危漏洞。延迟更新将使系统暴露在已知风险中，尤其是已被利用的漏洞，攻击者可能已掌握利用方法，更新刻不容缓。 ## 更新建议 1. **立即检查更新**：通过Windows Update或系统设置安装最新补丁。 2. **关注官方公告**：访问微软安全响应中心（MSRC）查看漏洞详情和缓解措施。 3. **备份重要数据**：更新前备份关键文件，以防意外。 4. **加强防护**：在未更新期间，限制不必要的权限，使用防火墙和防病毒软件。 此次更新再次提醒我们，及时修补系统漏洞是保障网络安全的基础。对于个人用户和企业IT管理员，都应建立定期更新机制，避免因疏忽导致安全事件。
在全球量子计算竞赛中，美国和中国等大国正投入巨资争夺量子霸权。然而，巴西计算科学研究员Americo Cunha提出了一个不同的观点：像巴西这样的国家，或许应该放弃在顶级量子计算机领域与大国竞争，转而专注于量子使能技术（quantum-enabled technologies）。这一观点引发了对量子技术发展路径的重新思考。 ## 量子竞赛中的不同选择 量子计算被视为下一代计算技术的关键，有望在药物研发、材料科学、密码学等领域带来革命性突破。然而，建造一台功能强大的量子计算机需要巨额资金、顶尖人才和长期的技术积累。Cunha认为，对于巴西这样的发展中国家，直接参与这场顶级竞赛并不现实。 相反，巴西可以选择一条更务实的发展道路：专注于量子传感器、量子通信、量子加密等量子使能技术。这些技术虽然不直接涉及量子计算机的硬件制造，但同样具有广阔的应用前景，并且技术门槛相对较低，更适合巴西现有的科研和产业基础。 ## 巴西的量子优势与挑战 巴西在量子技术领域并非一片空白。近年来，巴西的科研机构在量子光学、量子信息等基础研究方面取得了一些进展。此外，巴西拥有丰富的自然资源和多样化的产业需求，这为量子使能技术的应用提供了潜在的市场。 然而，巴西也面临诸多挑战。首先，量子研究需要大量的资金投入，而巴西的科研预算近年来受到限制。其次，量子技术人才短缺也是一个突出问题。Cunha指出，巴西需要制定国家层面的量子战略，明确短期和长期目标，并加大对教育和基础研究的投入。 ## 国际合作与自主创新 Cunha强调，巴西不必孤军奋战。通过国际合作，巴西可以借鉴其他国家的经验，共享研究成果，并参与全球量子技术标准的制定。同时，巴西也应注重自主创新，在量子使能技术的某些领域形成自己的优势和特色。 例如，巴西可以利用其在农业、环境监测等领域的应用需求，开发基于量子传感器的解决方案，从而在全球量子市场中占据一席之地。 ## 结语 量子技术的发展并非只有一条道路。巴西的选择提醒我们，各国应根据自身国情，制定适合自己的量子战略。专注于量子使能技术，不仅能让巴西在量子时代找到自己的位置，也可能为其他发展中国家提供一条可借鉴的发展路径。
Google 最新发布的 Pixel Watch 5 在硬件上似乎变化不大，但真正的升级在于软件层面的 AI 与健康功能。这款售价 **399 美元** 的智能手表，新增了离线 Gemini 支持、主动式 AI 建议、改进的 GPS 地图和胰岛素抵抗趋势追踪，同时价格比上一代上涨了 **50 美元**。 ## 硬件小幅升级，价格却涨了 Pixel Watch 5 的硬件更新相对保守：新增了缎面黄铁矿表壳配色、几款新表带颜色，以及一款斯蒂芬·库里特别版。内部搭载了稍快的骁龙处理器，电池容量有小幅提升。不过，价格从去年的 349 美元涨至 399 美元，涨幅约 14%，这或许与全球内存成本上涨（所谓的“RAMageddon”）有关。 ## AI 是核心：离线 Gemini 与主动建议 今年最大的亮点是 AI 功能的深化。**Gemini 现在支持离线使用**，可以执行启动计时器、打开应用等简单任务，不过在演示中，离线模式下的响应速度明显较慢。此外，Gemini 变得更加主动，例如当收到询问空闲时间的短信时，手表会主动提供查看日历的选项。表盘上也新增了实时信息图标，可显示计时器、Uber 预计到达时间、锻炼状态等。 去年 12 月通过软件更新加入的捏合手势和手腕轻拂功能，在 WearOS 7 中得到了更全面的 UI 集成。 ## 健康追踪：从心率到胰岛素抵抗 健康功能是本次更新的重点。Pixel Watch 5 新增了 **胰岛素抵抗趋势** 追踪，这对关注代谢健康的用户来说是个新工具。此外，GPS 地图功能得到改进，提供更准确的路线和位置信息。这些功能延续了 Google 在今年早些时候推出的 Fitbit Air 所强调的主动健康管理理念。 ## 小结 Pixel Watch 5 的迭代表明，Google 正将重心从硬件转向软件和服务，通过 AI 和健康数据的深度整合来提升用户体验。虽然价格上涨可能让部分消费者犹豫，但如果你重视 AI 辅助和健康追踪，这款手表或许值得考虑。不过，离线 Gemini 的性能和胰岛素抵抗功能的准确性尚需实际测试验证。
谷歌最新发布的 Pixel 11 系列智能手机带来了一系列令人兴奋的相机新功能，从 Magic Capture 到即时夜景模式，再到内置提词器，这些功能旨在让用户更轻松地捕捉精彩瞬间。本文深入解析这些新特性，并探讨它们如何改变用户的拍照体验。 ## Magic Capture：让你不再错过精彩瞬间 你是否曾因忙于拍摄而错过了与亲友共度的美好时刻？谷歌的 Magic Capture 功能正是为了解决这一问题而生。它允许用户在录制视频的同时，自动捕捉高质量的照片。这意味着，当你录制孩子表演或朋友生日派对的视频时，无需再手动切换模式，Magic Capture 会智能地为你抓拍下每一个珍贵瞬间。 ## 即时夜景模式：低光拍摄更简单 夜景拍摄一直是智能手机摄影的挑战之一。Pixel 11 系列新增的即时夜景模式，让用户无需长时间手持稳定即可获得清晰明亮的夜间照片。该功能通过 AI 算法快速合成多帧图像，有效减少噪点并提升细节，即使是在光线极暗的环境下也能拍出令人满意的效果。 ## 内置提词器：视频创作更专业 对于内容创作者而言，面对镜头讲话时常常会忘词。Pixel 11 系列内置的提词器功能，可以在屏幕上滚动显示文字，帮助用户流畅地表达。这一功能不仅适用于专业视频制作，也方便普通用户在录制 vlog 或进行视频通话时保持思路清晰。 ## 高倍变焦：探索更远的世界 除了上述功能，Pixel 11 Pro 还支持高达 120 倍的变焦，这得益于 AI 生成像素技术，使得远距离拍摄的细节更加丰富。无论是拍摄野生动物还是体育赛事，用户都能获得令人惊叹的清晰度。 ## 结语 谷歌 Pixel 相机负责人 Isaac Reynolds 表示，这些功能对于那些渴望提升摄影技巧的普通用户来说，可能是改变生活的。他认为，即使有些人认为这些功能只是“还行”，但对另一些人而言，它们可能开启全新的摄影领域。随着 AI 技术的不断进步，智能手机摄影的边界正在不断拓展，而 Pixel 11 系列无疑是这一趋势的引领者。
**OneAdvanced**，一家服务超过 10,000 家客户的英国企业软件提供商，近期成功构建了一个英国主权 AI 平台。该平台通过自托管 **Llama 4 Maverick** 和 **Llama Guard 4** 模型于 **Amazon SageMaker AI**，结合基于 **pgvector** 的 RAG 管道，以及由 **Strands Agents SDK** 构建的超过 50 个代理，运行在 **Amazon ECS** 上，确保了所有数据都留在英国境内。 ## 数据主权与模型托管的挑战 OneAdvanced 服务于医疗、法律等高度监管行业，客户处理敏感数据，如患者记录和法律文件。严格的英国数据驻留要求使得使用托管服务变得困难，因为当时 Llama 4 Maverick 和 Llama Guard 4 尚未在英国区域提供。因此，他们选择完全掌控基础设施，自托管开源权重模型。 ## 架构与关键决策 该解决方案的核心是使用 **Amazon SageMaker AI** 托管模型，确保模型运行在客户自己的 AWS 账户中。RAG 管道采用 **Amazon Aurora PostgreSQL** 与 **pgvector** 扩展，实现高效的向量检索。代理层由 **Strands Agents SDK** 构建，超过 50 个专用代理分别处理不同任务，并通过 **Amazon ECS** 上的工具层与外部系统交互。 ## 结果与启示 OneAdvanced 的 CTO Andrew Henderson 强调，数据主权是客户的核心要求。通过自托管，他们不仅满足了合规需求，还实现了快速原型验证：最初使用 Amazon Bedrock 在两周内完成了聊天、法律查询等功能的原型，随后迁移到自托管方案。这一案例展示了在 AWS 上构建主权 AI 的可行路径，为其他受监管行业提供了参考。 **要点总结**： - 自托管开源模型是满足数据主权需求的有效方式。 - 结合 RAG 与多代理架构，可构建灵活且安全的 AI 服务。 - AWS 基础设施提供了完全控制权，符合严格合规要求。 对于面临类似数据驻留挑战的企业，OneAdvanced 的实践提供了宝贵经验。
当自主代理首次代表企业转移真实资金时，问题不再是“它是否成功？”而是“我们能否证明刚刚发生了什么？”。Solv Labs 与 ICME Labs 合作，在 Amazon Bedrock AgentCore payments 上构建了一套受治理的代理支付工作流，确保每笔交易在 AWS Nitro Enclave 中经过授权、证明、风险定价，并在结算前锚定到公共区块链。 ## 三层治理架构 该方案的核心由三个组件协同：**ORACLE**（Solv 的策略引擎）负责交易前的授权决策；**ICME PreFlight** 将 AWS Automated Reasoning Checks 扩展为隐私保护、可移植且独立可验证的合规验证层；**风险引擎**则为每笔交易单独定价。所有组件运行在 AWS Nitro Enclave 中，确保交易完整性。 ## 性能与可审计性 每笔交易在 **4 秒内**完成，涵盖预授权、治理和通过 Coinbase 进行的链上结算。对于代理工作负载的延迟预算而言，这绰绰有余。同时，每笔交易都会生成完整的审计轨迹，满足监管环境下的合规要求。 ## 行业背景 2026 年 5 月，亚马逊推出了与 Coinbase 和 Stripe 合作开发的 Amazon Bedrock AgentCore payments，使 AI 代理能够即时访问并支付网络内容、API、MCP 服务器及其他代理。该功能与开发者现有的代理控制机制无缝集成。 ## 企业价值 这一模式为在受监管环境中运行代理的企业解锁了关键能力：**可验证性**（每笔交易可独立验证）、**可审计性**（完整轨迹）、**风险定价**（按交易动态评估风险）。随着代理支付基础设施的成熟，企业可以更有信心地部署自主代理，同时满足审计、法律和合规要求。
大规模运行大型语言模型（LLM）推理时，KV 缓存常常面临两难选择：要么为不断增长的 KV 缓存支付昂贵的 GPU 实例费用，要么忍受缓慢的首次令牌生成时间（TTFT），因为相同的提示词在每个请求中都会被重新计算。对于在多个业务线端点、RAG 管道或多轮对话应用中部署 Qwen、Llama、DeepSeek 等众多公开基础模型的团队而言，这一权衡直接转化为更高的基础设施成本和更差的用户体验。 问题的根源在于，vLLM 在生成过程中会将已处理过的每个令牌的注意力键值存储在 KV 缓存中，以避免重复计算。前缀缓存通过跨请求复用共享的起始令牌（如通用系统提示词）进一步优化。然而，在像 ml.g6e.4xlarge（每 GPU 48 GB）这样具有成本效益的实例上，扣除模型权重和运行时分配后，可用于前缀缓存的内存非常有限，且随着模型规模或并发度的增加而进一步收紧。长提示词的缓存命中率下降，相同的系统提示词在每个请求中都被重新预填充，水平扩展的 vLLM 副本各自维护独立的缓存，路由到不同副本时实际上相当于冷启动。 本文介绍了一种在 Amazon SageMaker HyperPod 上构建的分层 KV 缓存架构，将缓存层次从 GPU 和 CPU 内存扩展到共享的分布式 NVMe 存储池。该架构基于 HyperPod 的托管分层 KV 缓存和智能路由两项能力，并引入轻量级分布式缓存文件系统 Curvine 作为共享的 L2 层（GPU 到 CPU 到共享 NVMe）。通过这种设置，您可以在副本之间以接近本地磁盘的速度复用 KV 缓存。 在测试部署中，该架构实现了高达 100% 的跨 Pod 缓存命中率，TTFT 提升最高 2.7 倍，跨节点 L2 读取延迟约为 56 毫秒（针对约 1,900 个令牌的提示词）。这意味着，以前需要 P5 实例的工作负载现在可以在更经济的实例上运行。
还记得那条关于澳大利亚科技企业家利用 ChatGPT、Grok 等 AI 工具为爱犬定制个性化癌症疫苗的新闻吗？如今，这位企业家宣布成立初创公司 Gamgee，致力于为狗提供个性化 mRNA 癌症疫苗，并计划将技术扩展至人类。 Paul Conyngham 在 X 上宣布 Gamgee 成立，声称使用 ChatGPT 和计算基因组学为他的斯塔福德郡斗牛梗混血犬 Rosie 设计了 mRNA 疫苗，并观察到肿瘤缩小。Gamgee 的网站上强调 Conyngham 并非生物学家，但公司使命是将这一成功规模化。网站还展示了多只狗狗的照片和诊断信息，以强调其服务对象。 然而，科学界对此持谨慎态度。此前《The Verge》的报道指出，AI 在其中的具体作用并不明确，且 Rosie 的治疗同时使用了其他疗法，无法确定疫苗的独立效果。尽管如此，Gamgee 已获得 Y Combinator 等知名孵化器的支持。 这一事件凸显了 AI 在医疗领域的潜力与争议，也引发了关于技术宣传与科学严谨性的讨论。
SpaceXAI 推出了 Grok Bot，这是一种常驻的 AI 代理服务，旨在像独立的“AI 队友”一样工作，帮助用户处理工作任务。这些机器人共享一个基于云的计算机环境，能够登录用户已有的应用、工具和网站，完成多步骤的工作任务，仅在任务完成或需要批准时才返回。 Grok Bot 是 Elon Musk 的 AI 公司为了与竞争对手（如 OpenAI 的 ChatGPT Work、Anthropic 的 Claude Cowork 和微软的 Copilot Tasks）竞争而推出的最新服务。SpaceXAI 表示，Grok Bot 是基于公司内部原型开发的，该原型已被用于处理销售外联、营销、办公室运营和错误修复等工作。 用户可以通过手机或桌面端像与同事一样与这些机器人交流，无需预先构建工作流程。多个机器人可以并行运行，其中一个机器人可以负责管理其他机器人。这些机器人还能“独立地相互沟通”以共享上下文，甚至可以在群聊环境中协调工作。 Grok 的机器人可以学习和保存用户的工作流程，保留关于用户如何执行任务的上下文，以保持用户的个人风格。它们还能跟进中断的对话和交接线程，从旧聊天中恢复工作，并逐渐变得更加主动。 从今天开始，Grok Bot 进入 beta 测试阶段，适用于桌面端和 iOS 系统，面向 SuperGrok Heavy、Cursor Ultra 和 Cursor Teams Premium 订阅用户。团队和企业用户可加入等待列表，以获取未来版本。
巴基斯坦近期完成了一项史无前例的司法领域AI试验，首次大规模将AI工具JudgeGPT引入法官日常工作流程。结果显示，AI辅助下，法官工作效率提升6.3%，同时上诉案件数量有所减少，且判决质量未受负面影响。这一结果引发了全球对AI在司法系统中应用的广泛讨论。 ## 试验背景与设计 本次试验由巴基斯坦某法院系统主导，旨在评估AI工具在真实司法环境中的表现。JudgeGPT作为一种基于大语言模型的辅助工具，被用于协助法官进行法律文书检索、案例摘要生成以及初步的法律条款匹配。试验涉及数百名法官和数千起案件，是迄今为止规模最大的司法AI应用研究之一。 ## 关键发现：效率与质量的双重提升 试验数据显示，使用JudgeGPT的法官平均处理案件的时间缩短了**6.3%**，这意味着在相同时间内可以处理更多案件，有助于缓解法院积压案件的压力。更令人关注的是，上诉案件数量出现了下降，表明判决的准确性和可接受性可能有所提高。尽管AI工具提供了辅助，但最终判决仍由法官全权负责，确保司法决策的自主性和责任性。 ## 行业意义与潜在挑战 这一试验结果对全球司法系统具有重要参考价值。许多国家的法院正面临案件积压和资源紧张的困境，AI工具有望成为提升司法效率的利器。然而，将AI引入司法领域也面临诸多挑战，包括算法偏见、数据隐私、责任归属以及公众对AI决策的信任等问题。专家指出，AI应被视为辅助工具，而非替代人类法官，其应用需在严格监管和伦理框架下进行。 ## 未来展望 巴基斯坦的这次试验为AI在司法领域的应用提供了宝贵的数据和实践经验。下一步，研究团队计划扩大试验范围，并进一步优化JudgeGPT的算法，以更好地适应不同法律体系和语言环境。与此同时，国际社会也将密切关注这一试验的长期效果，以及它是否会推动其他国家采取类似的举措。 **AI在司法领域的应用正从理论走向实践，但如何在效率与公正之间取得平衡，仍是各国需要审慎思考的课题。**
上个月，AI 初创公司 LemonLime 在 Y Combinator 的 Startup School 活动后举办了一场派对，联合创始人 Jordan Zietz 在 LinkedIn 上发文称，他为任何愿意纹上公司 Logo 的人提供“即时面试”，此举迅速引发网络热议，被指责为“掠夺性企业行为”和“滥用权力”。近日，Zietz 在接受 WIRED 采访时澄清，他从未强迫任何人纹身，且实际上，当天参与者可以选择任意纹身图案，并非只有公司 Logo。他强调，纹身不是获得面试的必要条件，任何想要面试的参与者都得到了机会。Zietz 本人也纹了公司 Logo，这并非首次纹身，他全身有多处纹身，包括大腿上的恐龙涂鸦和一句玩笑话。他坚称，自己绝不会要求别人做自己不愿意做的事。尽管争议未平，但 Zietz 的回应试图展现事件的全貌，并强调个人选择的重要性。
上周在拉斯维加斯举行的 Black Hat 安全大会上，OpenAI 意外披露了一起黑客事件的细节，引发了众多记者的争相报道。然而，一家名为 RuntimeWire 的媒体比 WIRED 等传统媒体提前三个多小时发布了报道，而这家媒体实际上没有任何人类记者——它完全由 AI 运营。 RuntimeWire 由连续创业者 Ryan Merket 创立，自五月以来已发布近 2000 篇报道。Merket 的 AI 系统能够自动发现故事、撰写、编辑、事实核查、生成图像并进行推广。在 OpenAI 事件中，Merket 在 X 上发现 OpenAI 高管的直播后，将转录稿交给 AI 代理，大约六分钟内就完成了发布。大多数情况下，Merket 甚至不参与预发布审查，AI 编辑会根据风险评估自动发布。 这一事件标志着 AI 记者首次在重大新闻上击败传统媒体，引发了关于 AI 在新闻业角色的讨论。尽管 AI 报道在速度和数量上占据优势，但其质量仍然有限，例如出现拼写错误和内容侧重不当。随着 AI 技术的不断进步，新闻业的未来将面临更多挑战和变革。
从对约会的悲观情绪到 AI 重塑文化，网络民族志学者 Ruby J. Thelot 向 WIRED 解释了为什么人们过于看重那些病毒式传播的内容。 网络民族志学者 Ruby Thelot 在社交媒体上遇到任何爆款内容时，都会反复问自己同样的问题：这是广告吗？这个账号真实吗？这真的是一个趋势，还是只是一时侥幸？虽然像“6-7”和“looksmaxxing”这样的趋势最近突破了圈层，但并非每个新术语或亚文化现象都真正具有主流持久力。还记得几年前科技圈试图让 NFT 成为主流吗？或者语音聊天应用 Clubhouse 曾被视为社交媒体的未来，却迅速销声匿迹？ Thelot 认为，高估趋势是因为互联网已经“巴尔干化”，我们每个人都待在自己的“数字孤岛”上，大多数看似病毒式传播的现象实际上只是被强行喂食的结果。如今，病毒式传播主要存在于不同领域之间，而非大众之中。Thelot 的新书《为在线辩护》将于今年秋季出版。 **病毒式传播并非趋势的可靠指标** Thelot 指出，我们理解文化时遇到的问题在于，曾经作为良好代理指标的病毒式传播，如今本身成了目标。古德哈特定律告诉我们，当一项度量变成目标，它就不再是好的度量。人们制造内容和媒体，仅仅是为了获得大量浏览，而不考虑事物本身的内在价值，而正是这种内在价值才能赋予文化持久力。由于我们在文化上已经深陷古德哈特定律，你可以制造病毒式传播，却永远无法渗透到文化中。 **约会倦怠是假象？** 过去几年，约会倦怠备受关注，促使约会应用围绕 AI 进行品牌重塑。今年 5 月，Bumble 宣布取消滑动功能以吸引用户回归。但 Thelot 认为，关于倦怠的叙事是一种幻觉。自 2019 年以来，“异性恋悲观主义”一直被报道，它关乎一种普遍的萎靡不振……
日常生活中，我们总会有那么几个瞬间，急需看清小字或远处的物体，却偏偏找不到眼镜。谷歌推出的 **Google Magnifier** 应用，正是为解决这一痛点而生。作为一款专为 Android 设备设计的辅助工具，它并非简单的放大镜，而是集成了先进的 AI 与图像处理技术，让“临时失明”不再成为困扰。 ## 应用核心功能 Google Magnifier 的核心功能简单直接：**利用手机摄像头进行实时放大**。但它的强大之处在于，不仅仅是放大，还提供了多项智能增强选项，以适应不同场景下的视觉需求。 - **高倍数放大**：支持从 1 倍到 32 倍的平滑缩放，用户可以通过双指捏合或屏幕上的滑块轻松调整。 - **智能滤镜**：内置多种滤镜模式，如 **自动、白底黑字、黑底白字、黄底蓝字** 等，针对不同光照和对比度环境，优化文字清晰度。例如，在光线不足时，选择高对比度模式可显著提升可读性。 - **闪光灯辅助**：在昏暗环境下，可开启闪光灯补充光源，确保画面明亮。 - **对焦锁定**：长按屏幕可锁定对焦，避免因手抖或物体移动导致画面模糊，方便长时间阅读。 - **定格快照**：支持一键拍摄当前放大画面，并保存为图片，便于后续查看或进一步放大细节。 ## 使用场景与体验 这款应用尤其适合以下场景： - **阅读药品说明书、食品标签**：这些印刷品往往字号极小，且常处于光线不佳的货架或药箱中。 - **查看产品序列号或条码**：需要精确读取数字时，放大镜配合滤镜能减少视觉误差。 - **远距离观看白板或屏幕**：在会议或课堂上，若座位较远，可临时调用放大镜抓拍并放大内容。 实际体验中，Google Magnifier 的**响应速度非常快**，几乎无延迟，且界面简洁，所有功能触手可及。不过，它也存在一些局限：**需要手动调整**，不像某些 AI 应用能自动识别文字并朗读；同时，长时间手持手机容易疲劳，更适合短时应急。 ## 与系统辅助功能的对比 Android 系统自带的 **放大手势** 功能也能实现类似效果，但 Google Magnifier 的优势在于**更丰富的增强选项**和**更直观的操作界面**。系统放大功能通常只是简单的全屏缩放，而 Magnifier 提供了针对阅读优化的滤镜和锁定功能。对于视力障碍用户，Google 还提供了 **Lookout** 应用，它利用 AI 识别物体和文字并语音播报，但 Magnifier 更专注于“看”本身，两者定位不同。 ## 可用性与未来展望 目前，Google Magnifier 已可在 **Google Play 商店** 免费下载，支持 Android 6.0 及以上版本。它最初随 Pixel 手机推出，现已扩展至更多设备。值得注意的是，该应用目前**不支持 iOS**，苹果用户仍需依赖系统自带的“放大器”功能。 随着 AI 技术的不断进步，未来的放大镜应用或许能实现**自动识别文字并重新排版**，甚至实时翻译。但就目前而言，Google Magnifier 已经是一款足够出色的实用工具，它解决了“找不到眼镜”这一高频尴尬，值得每位 Android 用户备而不用。
Hey HN, we're Advaith and Akash from Discovered Materials ( https://discoveredmaterials.com/ ). We build AI agents that discover new materials for the semiconductor industry.GPUs today have a heat problem. Nvidia & AMD are almost doubling the TDP (Thermal Design Power) in ev
arXiv:2608.09997v1 Announce Type: new Abstract: Transformers have had a profound impact on the world of language processing and computer vision. As efforts to answer the million-dollar question of ``How does a Transformer learn?" have been increasing, existing interpretability studies primarily analyze representations at isolated layers or the network as a whole, while the developmental evolution of individual representations and its manifolds across transformer layers remains underexplored. Wit
深度随机神经网络（如深度随机向量函数连接网络 dRVFL 及其集成版本 edRVFL）在分类任务中表现出色，但现有模型对所有训练样本一视同仁，这限制了它们在含有噪声和异常值的真实世界数据集上的鲁棒性。此外，污染特征在隐藏层间的传播会损害模型的决策能力。针对这些问题，研究人员提出了一种基于直觉模糊集理论的新框架，通过区分干净样本、噪声和异常值，显著提升了模型性能。 ## 核心思路：从均匀对待到自适应加权 传统 dRVFL 和 edRVFL 模型在训练时对所有样本赋予相同的权重，这导致模型容易受到噪声和异常值的干扰。新提出的 **IF-dRVFL** 和 **IF-edRVFL** 框架引入直觉模糊集理论，利用样本的邻域信息，在核空间中为每个样本计算隶属度（membership degree）和非隶属度（non-membership degree）。 - **隶属度**：基于样本到其所属类别质心的距离计算，距离越近，隶属度越高，表示该样本越能代表其类别。 - **非隶属度**：衡量样本在局部邻域内的异质性，非隶属度高的样本更可能是噪声或异常值。 通过综合考虑这两个指标，模型能够为训练样本分配自适应权重，从而有效区分干净样本、噪声和异常值。 ## 实验验证：在噪声环境下表现优异 研究团队在 **UCI** 和 **KEEL** 基准数据集上进行了大量实验，包括在有无高斯噪声的情况下。实验结果表明，**IF-dRVFL** 和 **IF-edRVFL** 在分类准确性和鲁棒性上均优于现有的模糊和非模糊方法。特别是在噪声环境下，新模型的优势更加明显，这得益于其对样本质量的精确感知。 ## 意义与展望 这项研究为深度随机神经网络提供了一种新的鲁棒性增强策略。通过引入直觉模糊集理论，模型不仅能够处理噪声和异常值，还保持了较高的计算效率。此外，该框架的代码已公开，便于其他研究者复现和进一步探索。 未来，该工作可能扩展到更复杂的任务，如回归、聚类，以及与其他深度学习架构的结合。同时，如何进一步优化非隶属度的计算效率，也是值得研究的方向。