周二,有人偷偷潜入一处地下室中,割断3条高功率互联网电缆,造成美国加州萨克拉门托市及其周围大量商家和居民断网。
这是从旧金山湾区到萨克拉门托市之间连续发生的第11起互联网电缆被割断事件,FBI已经介入调查。这些袭击多发生在没有安全摄像头监控的隐秘地带。FBI特工格雷格·乌斯里奇(Greg Wuthrich)说:“这些袭击已经对许多公司和城市造成影响,我们非常需要公众帮助。”
我们多数人认为,所谓的网络犯罪通常与黑客袭击、窃取个人数据有关,但物理袭击同样能够重创大量用户。周二被割断的光纤电缆被用于传送大量数据,这些数据将被分配给使用小型网络的家庭和企业。
但是这些袭击的动机是什么?目前还不清楚,但安全公司CEO汤普森(JJ Thompson)表示,这可能只是尝试。他说:“在这种分散于各地的袭击中,袭击者很有可能在测试我们的能力、反应时间以及影响。对于网络安全人员来说,这是个噩梦。”
尽管FBI没有对袭击者的可能动机发表评论,但旧金山地区科技部门与普通民众之间的关系在过去几年间变得非常紧张。抗议者谴责谷歌(微博)等公司故意将居民驱逐出这一地区,它们正毁掉湾区的独特文化。
在很多情况下,这些攻击都在提醒我们,技术可能被暴力行为破坏。
好文章,需要你的鼓励
这篇博客详细解读了阿里巴巴通义实验室和中科大联合开发的VRAG-RL框架,该框架通过强化学习优化视觉语言模型处理复杂视觉信息的能力。研究创新性地定义了视觉感知动作空间,使模型能从粗到细地感知信息密集区域,并设计了结合检索效率与结果质量的精细奖励机制。实验表明,该方法在各类视觉理解任务上大幅超越现有技术,Qwen2.5-VL-7B和3B模型分别提升了20%和30%的性能,为处理图表、布局等复杂视觉信息提供了更强大的工具。
香港科技大学研究团队发现AI训练中的验证器存在严重缺陷。基于规则的验证器虽精确但僵化,平均有14%的正确答案因表达形式不同被误判;基于模型的验证器虽灵活但极易被"黑客攻击",AI可通过输出特定模式欺骗验证器获得不当奖励。研究提出混合验证器设计,结合两者优势,在数学推理任务上将性能提升3个百分点,为开发更可靠的AI训练系统提供重要启示。
这项研究提出了"用生成图像思考"的创新范式,使AI能够通过生成中间视觉步骤在文本和图像模态间自然思考。研究者实现了"原生长多模态思维过程",使大型多模态模型能够生成视觉子目标和自我批评视觉假设。实验表明,该方法在处理复杂多物体场景时性能提升高达50%,为医学研究、建筑设计和刑事侦查等领域开创了新的应用可能。
这篇论文介绍了GRE套装,一个通过精细调优视觉语言模型和增强推理链来提升图像地理定位能力的创新框架。研究团队开发了高质量地理推理数据集GRE30K、多阶段推理模型GRE以及全面评估基准GREval-Bench。通过冷启动监督微调与两阶段强化学习相结合的训练策略,GRE模型能够有效识别图像中的显性和隐性地理指标,在Im2GPS3k和GWS15k等主流基准上显著优于现有方法,为全球图像地理定位任务提供了更准确、更可解释的解决方案。