51CTO · 实时热榜

这些漏洞公告发布的速度与规模，伴随着 AI 辅助安全研究在 Linux 生态系统中日益增长的影响力。

近日，来自清华大学、上海人工智能实验室等机构的研究团队提出了 Cortex，一个面向长程机器人操作的双系统具身智能体框架。

今天这篇既是综合实战大练兵（把零散知识点串起来），也是一份可收藏的常用函数速查手册，帮你彻底吃透Pandas，从“会用”变成“精通”！

现有研究已开始评测前沿模型的病毒学知识和实验推理能力，但在真实的潜在风险链条中，模型究竟能提供多大程度的实质性帮助，需要进行验证，特别是当模型以智能体形态出现，能组合知识库、搜索引擎、文件读写等工具时，其有效能力边界可能远超单轮问答的测试结果。​智源研究院大模型安全研究团队与北京大学围绕这一核心问题，开展了一项端到端系统性评估。

建议防御者检查其 WordPress 实例中是否出现新的管理员账户、恶意插件或其他可疑文件，无论是否已打补丁，以彻底清除威胁。

Macaron-V1 是心洲科技旗下前沿实验室 Mind Lab 推出的最新模型，定位是面向个人智能体场景。权重、官方 API、配套工具都已经开源上线

2026世界人工智能大会期间，埃夫特&启智董事长游玮博士受邀出席上海马桥AI创新试验区主办的"具身智能产业生态论坛"，发表题为《工业具身落地路径探讨》的主旨演讲。游玮博士直指行业"重演示、轻落地"的盲区，紧扣工业核心痛点，给出了作为"实干派"的一系列具身智能产业发展的深刻洞察和预判。

OpenAI刚刚公开认领了一起《重大》安全事故。GPT-5.6 Sol与一款能力更强的未发布模型，在接受网络安全测试，成功逃出了内部隔离环境，一路闯进了Hugging Face的生产系统。

如果你没能肉身前往，或者来不及看完一场又一场发布和展出，欢迎通过我们这份言简意赅的总结，快速了解今年WAIC上呈现的趋势。

作为全球首个开源 3 万亿级大模型（总参数 2.8 万亿），这个数字足够震撼。从 K2 的万亿参数，到今天的 K3，中国开源模型再次刷新了模型规模的上限，海内外不少网友惊呼，这款开源模型性能足以替代昂贵的 Claude Fable 5 和 GPT 5.6 Sol。

机器身份债务之所以危险，恰恰在于它通常不以故障形式出现。一个过期项目遗留的服务账号不会主动报警，一枚多年未轮换的令牌也不会影响业务运行，一项过度授权的OAuth集成甚至会让某些流程看起来更加顺畅。它们看起来都在"正常工作"，直到凭据落入了不该拥有它的人手中。

谷歌发布了三款新的人工智能模型，包括性能最强的 Gemini 3.6 Flash，以及专门针对网络安全优化的 Gemini 3.5 Flash Cyber。

华为 HCIA/HCIP/HCIE 三级 AI 认证，打通 “理论学习 -- 真机实操 -- 行业落地 -- 权威背书” 完整链路。

安谋科技Arm China近日宣布首次亮相WAIC，携手Arm生态，通过Edge AI、Physical AI、Cloud AI三大业务展区，系统呈现了计算平台、开发板、终端应用的完整AI落地图谱，诠释了无处不在的Arm技术如何驱动AI在千行百业规模化落地。

清华大学于超教授团队联合正行创新、无问芯穹提出的 Harness VLA，首次将 Harness Layer 引入具身智能。

大家好，我又来啦上周三我在一个已经上架的鸿蒙App里改本地数据库结构，加两个字段。改完跑了一遍，App起不来。日志说nosuchcolumn。其实是...

事务同步事件（TransactionalApplicationListener）是极易被忽略的隐藏高级特性——支持事务提交后才发送异步消息、事务回滚自动丢弃消息，轻量零依赖，完全替代MQ处理本地异步场景，性能开销极低。

本次Fastjson 1.x末代版本的RCE漏洞，因其极低的利用门槛和广泛的默认影响面，堪称一次“核打击”。

7月17日，上海，2026世界人工智能大会。本届大会的主题，是“智能伙伴，共创未来”。伙伴这个词很有意思。它意味着AI不再是工具，已经成为某种和人类并肩的存在。

企业AI竞争的关键，正在从“选择最强模型”转向“打造支撑AI规模化运行的基础设施”。一个惊艳的AI Demo并不等于真正落地，数据治理、安全权限、系统集成、可观测性和运营体系，才决定AI能否成为可靠的企业能力。

大模型正在普及，但真正的竞争优势不再属于“谁用最强AI”，而属于“谁拥有最懂自己业务的AI”。基于企业私有数据训练的小语言模型（SLM），不仅成本更低、安全可控、可本地部署，还能沉淀机构知识，在特定业务上的表现甚至超越通用大模型。

对一线开发者来说，这些工作已经可以写进Agent任务单里。需求要能被验收。“优化这个页面”不够，至少要写明性能指标、兼容范围和不允许改动的行为。

今天就把这个问题彻底讲清楚。为什么深分页会慢？为什么加了索引还是可能慢？为什么很多所谓“优化方案”只是把问题藏起来？以及千万级数据下，Java 后端到底应该怎么设计分页。

本文自始至终运用纯原生的C语言来进行相关阐述。不存在第三方框架。从基础的Socket通信着手展开讲解。完整地对epoll的创建、fd的注册、事件的监听以及数据的读写这样一整个流程进行拆解。

交互式视频世界模型正在从「一次性生成短片」走向「像游戏一样边操作边生成」。但长轨迹交互会迅速放大上下文、显存和多步去噪开销。

具身智能真正的未来，是走向AGI，是在开放、未知、充满长尾变数的真实世界中执行高度泛化的任务。

前Google工程师Deedy Das甩出一场AI横评：7个前沿大模型，全自主单挑IMO 2026全部6道题。

模型名没有，发布时间没有，参数规模也没有，气氛这一块先给足了。

谷歌一口气甩出三款新模型：Gemini 3.6 Flash、Gemini 3.5 Flash-Lite，外加一版叫Cyber的网络安全特供。

近日，南京大学、上海人工智能实验室、南洋理工大学和北京大学的研究团队发布 了 VideoChat3。

据彭博社报道，Sam Altman 计划于下周前往华盛顿，向特朗普政府和国会介绍 OpenAI 的新一代模型。

在 Video Rebirth 看来，视频生成解决的是「如何呈现世界」，世界模型解决的是「如何理解世界的运转机制」。

Hyra 的设计哲学来自 Rich Sutton 那篇经典的 The Bitter Lesson（苦涩的教训），框架尽量轻，给 Agent 留足动作空间。

线性 Agent 从来不是天花板。它只是第一个形状，所有人最先伸手去够的那个，因为它匹配我们打字的方式：一行、一颗脑袋、一次一件事。

一夜之间，Tokenmaxxing成为硅谷热议话题！几个月前，Meta内网搭了个排行榜，追踪全公司8.5万多名员工的Token消耗量。结果，令人咋舌——仅仅30天，Meta员工烧掉了60多万亿个Token，榜一单人刷了2810亿，连小扎都没挤进前250。

Harness 是包在基座模型周围的系统，负责编排执行，并决定模型如何思考与规划、如何调用工具与行动、如何感知与管理上下文、如何存储产物、如何评估结果。

X上一个叫Heavy Pulp的创作者，用Grok Imagine生成了一段《奥德赛》的对话场景——卡吕普索挽留奥德修斯的那场戏。

英伟达首席执行官黄仁勋表示，美国无需害怕中国开源 AI 模型，真正值得担心的反而是美国国内日益高涨的“封禁中国 AI 模型”呼声。

问到怎么写好 Prompt，最重要的是先把新手最容易踩的雷讲出来：Prompt 写不好通常不是因为太短，而是因为「模糊」，没说清楚角色、任务、上下文、格式、示例。这一句先点出来，面试官就知道你抓到了核心问题。

如何用 Prometheus + 定时任务 + Dify 工作流，把常见的运维巡检场景落地成一个完整的自动化闭环。

告警系统的本质不是“越多越好”，而是“越准越好”。

从 ReAct 出发，文章讨论 Agent 工程如何从“模型循环”走向 Harness：通过前后端共享的 State Schema、运行事实和 UI 边界，让模型行为变成可交互、可恢复、可控制、可追溯的产品能力。

最近，一项来自巴黎高师、罗马第一大学、米兰比可卡大学的研究发现：没有AI时，人们会更爽快地承认“我不知道”，先把判断放一放

值函数方法的基本套路是：先学 V 或 Q，再根据它们诱导出策略。而策略梯度方法走的是另一条路：直接把策略写成带参数的可导函数，然后直接优化它。

在刚刚落幕的2026世界人工智能大会（W​​AI​C 2026)上，智能体站上“C位”。统计显示，在大会的百余场论坛与活动中，超过10%的场次主题与智能体有关；10款“镇馆之宝”中，就有4款是智能体产品，高度回应了大会“智能伙伴，共创未来”的主题，昭示AI正从技术工具走向协作伙伴，掀起时代之变！

近年来，大规模数据驱动的 3D 视觉基础模型在地面视角的检索、匹配与重建任务上进展迅速，但其主流训练语料长期集中于街景、室内和物体中心视角。

现如今，视觉基础模型在街景、室内等常见场景中已经取得了不错的效果，但无人机航拍中的复杂视角、尺度和环境变化仍会带来新的挑战。

一个在图论领域存在了近30年的Dinitz-Garg-Goemans猜想，刚刚被GPT-5.6 Pro找出反例。

为什么大家都在争「大脑」？这背后其实是一个逐渐成型的共识：具身智能真正的瓶颈，从来不在身体，在大脑。

现实是什么？现实是我见过太多人把一个本来单智能体能干好的活，硬拆成五个角色，然后花两周时间调试“为什么产品经理说的话程序员理解错了”。最后系统跑通了，效果还不如原来那个单智能体，token 消耗翻了四倍。