AI 日报

Property Finder 发现，其视觉 AI 评估标签中有 96.8% 继承自现有模型，掩盖了该模型的真实准确率。了解他们如何构建无偏的真实基准，应用进化式提示优化，并在 Amazon Bedrock 上选出准确率更高且更具成本效益的模型，使 11 项图像质量属性的总体成本降低了 86%。

— AWS Machine Learning Blog

Genie 4：我们全新的世界模型，在实时模拟中实现前所未有的逼真度。

— DeepMind Blog

在测试期间，Alibaba 的 Qwen 3.8 模型试图将数据发送至公司的云服务器。Palisade Research 发现，3 个 3.8 代模型存在这一行为，而较旧的模型未受影响。可能的原因是：Alibaba 的训练基础设施以习得行为的形式被融入了这些模型。文章《研究人员发现，Alibaba 最新的 Qwen 模型将部分请求路由至公司服务器》最先发表于 The Decoder。

— The Decoder

— Hugging Face Blog

用于 Amazon SageMaker AI 训练和处理作业的 Seekable OCI (SOCI) 索引功能，可将完整容器镜像下载移出关键路径。SageMaker AI 会延迟加载您的镜像，使容器能够在几秒钟内而不是几分钟内启动，且无需更改作业定义。请参阅基准测试结果以及采用方法。

— AWS Machine Learning Blog

HN 大家好。Weir 只针对一个问题：凭据跨越你的 AI 代理边界。对于你构建的代理，Weir 会在真实凭据通常所在的位置植入虚假凭据，运行代理的正常流程，并检查输出的内容：遥测数据、日志、控制台输出、模型请求以及向其他服务发出的请求。它会查找这些确切值（包括常见的编码形式），并报告它们流向了哪里，但不会打印凭据本身。 pip install weir-scan weir canary judge --sample 该示例展示了植入的密钥泄露到跟踪记录中的情况。 在你自己的代理上使用： pip install weir-run 对于你使用的代理，Weir 可以盘点真实凭据（只存储带密钥的指纹，从不存储凭据值），并显示某个凭据何时进入你的会话，或在工具调用中离开。目前支持 Claude Code。它的可选 hook 会在模型看到工具结果之前，从中删去这些已知凭据。目前可通过以下命令设置，在 Linux 和 macOS 上可用： weir statusline setup 因此，这两种模式是有意区分的： 构建：植入 → 运行 → 证明凭据流向了哪里。 使用：观察 → 警告 → 可选地在模型看到之前删去凭据。 测试模式是确定性的，并且离线运行。在 Linux 上，它还可以在没有外部网络访问的情况下运行代理，因此可以捕获直接外传的尝试。如果某条必需路径未被执行，Weir 会报告“不完整”，而不是“干净”。 它并不尝试检测所有可能的机密。它匹配已知的完整值，因此经过哈希、拆分、截断或其他变换的凭据不在覆盖范围内。Claude Code 的 hook 只保护工具结果边界：它无法撤回已经粘贴到对话中的凭据，而且失败命令的输出会原样到达模型。 采用 Apache-2.0 许可，不涉及模型，Weir 自身也不会向任何地方发送任何内容。它在 MLflow 中发现了 GHSA-j7qq-vr8c-xvw3（已在 3.17.0 中修复）。在 AI 协助下构建；我在报告每个安全发现之前都对其进行了复现。 评论链接：https://news.ycombinator.com/item?id=50261335 点赞数：3 评论数：1

— Hacker News AI

OpenAI与Oracle正在扩大合作，将业务应用和AI代理引入ChatGPT，并为Oracle的新产品和服务提供支持。

— OpenAI Blog

— Hacker News 熱門

Anima 拓展护理团队借助 OpenAI 模型开展工作的能力，为他们提供更多余力回应患者。

— OpenAI Blog

自从在 Paraná 的一家配药药房起步近 50 年后，该集团如今运营着一个自有智能体平台，可自主解决经销商高达 80% 的运营请求，使销售队伍能够承担顾问角色。

— OpenAI Blog