Gemini 4 Argon 概述

Gemini 4 Argon 是一款专为解决科学、数学、机器人技术和网络安全等前沿问题而设计的先进 AI 模型。它旨在通过强大的推理、长上下文处理和多模态理解能力，协助专家加速科研发现并提升企业效率。

核心能力与应用领域

• 科学与数学研究：Argon 能够处理复杂的科学推导，支持高达 100 万个输出 token，可一次性生成详尽的数学证明、量子纠错解码器和计算物理求解器。在药物研发、量子化学和酶设计等领域，它能加速研究工作流。
• 机器人技术：Argon 具备将原始视频转化为精确物理模拟的能力。它能估计深度和物理边界，并编写相应的模拟代码，从而让机器人通过观察视频学习物理技能（如在实验中成功将动作迁移至人形机器人）。
• 网络安全防御：该模型在漏洞修复方面表现卓越（CWE-Bench 得分 68%），且对间接提示注入（indirect prompt injections）具有极强的抵御能力。
• 软件工程：支持全仓库生成、大规模代码重构以及复杂的遗留代码翻译，能够处理跨文件的依赖关系。
• 企业知识工作：
  • 医疗：在合成纵向图表分析中表现出色，能实现高召回率和 ICD-10 代码特异性。
  • 金融：在财务分析基准测试中，其准确度可与分析师构建的参考模型匹配（99% 以上的数字准确）。
  • 法律：在法律知识、文书起草及案例分析（如识别相关引用、审查合同）方面具有强劲表现。
  • 数据分析：能够高效合成复杂的 PDF 和专利信息，并辅助构建可视化图表。

技术优势与性能表现

根据各项基准测试，Gemini 4 Argon 在多个维度领先于竞争对手（如 GPT-6 Astra 和 Claude 系列）：

• 知识工作与自动化：在 Vals Index 和 AutomationBench 中表现突出。
• 编程与工程：在 Agentic coding (DeepSWE) 和 Vibe Code Bench 中取得高分。
• 长上下文处理：在 GraphWalks 等测试中展现了极强的长文本检索能力。
• 多模态与计算机使用：在图表理解 (Chartography) 和计算机操作 (OSWorld-2.0) 任务中表现优异。

安全与防御机制

为了确保负责任地扩展技术，Argon 实施了多项安全措施：

• 遵循前沿安全框架：在拒绝有害请求的同时，保留合法的双用途科学研究能力。
• 缓解对齐偏差：通过监控模型的思维链（chain-of-thought）和行为来识别并停止潜在的误操作。
• 系统加固：通过隔离和密封沙盒环境来增强高风险训练与评估的安全性。
• 提示注入防御：具备极高的抗攻击韧性。

获取途径

• 个人与开发者：Google AI Pro 和 Ultra 订阅用户可直接使用。
• 研究与安全计划：学术及独立科学家可申请免费使用 Google Antigravity 高级层级；网络安全防御人员可申请加入 Fairwind 项目。

Iosevka 字体家族概述

简介

Iosevka 是一个开源字体家族，涵盖了无衬线（sans-serif）、衬线（slab-serif）、等宽（monospace）以及准比例（quasi-proportional）多种类型。其设计初衷是满足代码编写、终端使用以及技术文档制作的需求。

字体家族分类

Iosevka 根据不同的应用场景和功能需求，分为以下几个主要系列：

1. 等宽系列 (Monospace)

• 设计特点：默认采用纤细的设计风格（字符宽度为 1/2em），相比竞争对手，它能在相同的屏幕宽度内容纳更多的字符列。
• 宽度选项：提供 Normal（标准）和 Extended（扩展）两种宽度，用户可以根据对字符间距的需求进行选择。

2. 终端优化系列 (Term & Fixed)

针对终端模拟器对字体兼容性的严格要求，Iosevka 提供了专门的子系列：

• Term 系列：符号经过加宽处理以符合终端对列数显示的要求。
• Fixed 系列：在 Term 系列的基础上禁用了连字（Ligation）功能，以确保在某些特定环境下的兼容性。

3. 衬线系列 (Slab)

包括 Iosevka Slab、Iosevka Term Slab 和 Iosevka Fixed Slab，为等宽字体提供了衬线样式。

4. 准比例系列 (Quasi-Proportional)

包括 Iosevka Aile 和 Iosevka Etoile，主要用于文档和日常写作。这类字体在字符宽度上具有更高的多样性，例如提供较宽的 w 和 m 以及较窄的 i 和 l。

核心特性

• 丰富的样式与字重：支持从 Thin 到 Heavy 的多种字重，并提供直立体（Upright）、斜体（Italic）和倾斜体（Oblique）等多种形态。
• 高度定制化：
  • 提供 146 个可配置字符和 19 个样式集。
  • 用户可以利用预定义的样式集，或通过“挑选”特定字符来创建高度个性化的字体变体。
• 高级连字 (Ligatures) 功能：
  • 支持标准连字及特定语言的连字。
  • 利用先进的 OpenType 技术，支持“长连字”（long ligatures），例如长箭头或由等号组成的水平长条。
• 广泛的语言支持：该字体家族支持多达 248 种语言。

亚马逊如何推高全网价格

本文探讨了亚马逊如何通过其商业模式和规则，不仅推高了其平台上的商品价格，还通过连锁反应间接推高了整个互联网的零售价格。

1. 沉重的卖家费用负担

亚马逊通过向第三方卖家收取高额费用来获取利润。其抽成比例已从2014年的约19%增长到如今的接近50%。这些费用主要由以下部分组成：

• 推荐费 (Referral fee)：亚马逊对每笔销售收取的标准佣金。
• 履约费 (Fulfillment fee)：涵盖仓储、包装及配送服务的费用。
• 广告费 (Advertising)：卖家为了在搜索结果中获得曝光而支付的赞助费用。

虽然部分费用在名义上是“可选”的，但在实际操作中，为了获得 Prime 会员资格和维持销售量，卖家几乎必须使用亚马逊的履约服务和广告系统，否则将面临失去竞争力的风险。

2. 成本转嫁给消费者

由于卖家需要将销售额的近一半交给亚马逊，为了覆盖产品制造、物流及人员等运营成本，卖家不得不提高商品的最终售价。此外，由于推荐费是按销售额的百分比收取的，商品价格越高，亚马逊获得的佣金也随之增加。

3. “公平定价政策”锁定了全网价格

亚马逊的“公平定价政策”是维持高价的核心机制。如果卖家在其他平台（如 Walmart、Target 或其自有网站）提供更低的价格，亚马逊会采取惩罚措施，例如：

• 移除该商品的“黄金购物车”（Buy Box，即“加入购物车”按钮），导致销量大幅下降。
• 直接暂停卖家的账号。

为了避免在亚马逊上失去销售机会，卖家被迫在所有渠道同步提高价格，以匹配亚马逊的价格水平。这导致即使消费者不在亚马逊购物，也往往需要支付与亚马逊平台相当的高价。

4. 市场垄断与监管挑战

由于亚马逊占据了美国在线零售市场约40%的份额，对于许多卖家而言，离开亚马逊意味着失去核心市场，因此很难通过转向其他平台来抵制这种定价压力。

目前，监管机构已开始介入：

• 美国联邦贸易委员会 (FTC)：正在对亚马逊提起反垄断诉讼，指控其利用垄断地位惩罚提供低价的卖家，并强迫其使用亚马逊的仓储服务。
• 欧洲监管：德国已下令要求亚马逊停止控制卖家的定价行为。

总结而言，亚马逊通过高额费用和价格管控政策，形成了一种机制，使得其平台的定价逻辑成为了整个在线零售市场的定价基准。

OpenAI 工程师因涉嫌在会议室安装窃听设备被捕

事件概述 OpenAI 工程师 Abdulrahman Alfozan（35 岁，沙特籍）因涉嫌在公司旧金山总部的高管会议室隐藏音频录制设备而被捕。联邦检察官指控其涉嫌使用或试图使用设备截获口头通信。

关键调查细节

• 设备发现： OpenAI 员工于 9 月 30 日在会议室发现了一个被隐藏在卷纸中的加密录音设备，该设备连接在电视机背后的 USB 接口上。随后，在 Alfozan 遗留的一个包中，安保人员又发现了第二个类似的录音设备。
• 预谋行为： 检察官指出，Alfozan 在安装设备前曾利用生产力工具查询公司建筑地址、会议室容量及领导层和合作伙伴的会议日程。此外，一个与其账号具有关联特征的聊天机器人账号在 9 月下旬多次询问关于“构建连续音频录音机”和“加密 SD 卡”等技术问题。
• 监控证据： 监控录像显示，在设备被发现之前的多个日期，Alfozan 曾出现在该会议室附近，尽管他并未获得进入该区域或参加相关会议的授权。会议室的内容通常涉及高度机密的商业、技术及战略信息。

OpenAI 的应对与技术分析 OpenAI 表示，在发现设备后，公司利用自身的 AI 模型对设备的性质、来源及存储数据的取证图像进行了分析。公司称该设备设计精巧，旨在规避检测，具备先进的加密功能、音频监控能力以及规避监测的数据传输机制。

在与 FBI 协作调查期间，OpenAI 逐步限制了 Alfozan 的系统访问权限，并在其被捕当天将其解雇。公司强调，目前没有迹象表明其模型权重、源代码或客户数据遭到非法访问，也没有发现产品或客户信息安全性受损的情况。

法律后果与背景

• 法律风险： Alfozan 目前仍被拘留。若罪名成立，他将面临最高 5 年监禁及 25 万美元罚款，随后需接受三年的监督释放。美国司法部已将此案视为涉及国家安全的重要事项。
• 人物背景： Alfozan 拥有加州大学伯克利分校的数据科学硕士学位，此前曾在 Meta、Nash 等公司担任工程师。据 LinkedIn 显示，他在 OpenAI 担任 AI Agent 平台的工程主管。

Android 17 宽字符库函数 wcscspn() 与 wcspbrk() 的回归缺陷报告

问题概述

在 2026 年 9 月发布的 Android 17 构建版本中，标准 C 库（libc.so）中的宽字符处理函数 wcscspn() 和 wcspbrk() 存在逻辑错误。当“拒绝字符集”（reject set）包含两个或更多且字符值均小于 U+0100 的字符时，一旦字符串中出现第一个 $\ge$ U+0100 的字符（例如 Emoji、中日韩文字、西里尔字母等），这两个函数会错误地将其报告为匹配项并停止扫描。

这会导致任何依赖这些函数扫描 ASCII 分隔符（如换行符 \n 或通配符）的代码在处理包含非 ASCII 字符的文本时发生故障。

受影响范围

• 受影响设备/版本：Pixel 7 和 Pixel 8a 的 2026 年 9 月构建版本。
• 未受影响版本：2026 年 6 月发布的 android17-release 源码（其使用的 external/llvm-libc 实现是正确的）；以及部分较早或特定版本的设备（如 Nothing Phone 2 的特定补丁版）。
• 受影响函数：wcscspn() 和 wcspbrk()。
• 正常函数：wcsspn()、wcschr()、wcsrchr()、wmemchr() 和 wcsstr() 运行结果正确。

技术原理与根本原因

通过对 libc.so 的反汇编分析，发现该问题源于一种针对特定字符集的优化路径：

1. 优化路径选择：如果拒绝字符集仅包含一个字符，函数使用普通的比较循环（正确）；如果字符集包含两个或更多字符且全部 $< \text{U+0100}$，则会使用一个 256 字节的栈上布尔查找表进行加速。
2. 逻辑缺陷：在扫描宽字符串（haystack）时，代码会检查当前字符是否小于 0x100。如果当前字符 $\ge$ 0x100，汇编指令（b.lo）会判定条件不成立，从而直接跳转到停止路径，并错误地将该字符报告为匹配项。
3. 差异说明：wcsspn()（保持字符集扫描）在遇到 $\ge$ 0x100 的字符时停止是正确的，因此它没有表现出错误；但对于 wcscspn()（拒绝字符集扫描）和 wcspbrk()，遇到此类字符时应当继续扫描，目前的实现却错误地停止了。

现有的 Bionic 测试用例（tests/wchar_test.cpp）仅使用 ASCII 输入，未能检测到此回归缺陷。

实际影响示例

• Visual Pinball (Android 版)：其 VBScript 引擎在处理包含 Emoji 注释的表格时会报错“无效字符”，原因是 wcspbrk 在遇到 Emoji 时未能正确定位到换行符。
• 文件系统操作：FileSystem.MoveFolder 在处理包含 $\ge$ U+0100 字符的路径时，会误将其识别为通配符模式。

解决方案建议

目前下游开发者的权宜之计是弃用这些受影响的函数调用，转而使用手动编写的循环进行扫描。

Guitoro 虚拟吉他平台概览

Guitoro 是一个免费、无需下载、直接在浏览器中运行的虚拟吉他平台。它旨在通过高度真实的交互体验，为用户提供弹奏、学习和创作音乐的工具。

核心功能与交互方式

Guitoro 的核心优势在于其音色并非合成音，而是基于真实乐器的录音采样。

• 支持的乐器：提供四种乐器选择，包括钢弦原声吉他（提供暖色、明亮、柔和等音色）、古典吉他、电吉他（提供从清音到金属等多种预设）以及四弦贝斯。
• 多元化操作：
  • 计算机键盘：采用拟人化布局，左手键位控制和弦，右手键位（如 H、J 键）模拟上下扫弦。
  • 触摸屏：在手机或平板上，用户可以通过手指滑动琴弦或点击指板上的品格来弹奏。
  • 鼠标：通过在琴弦上拖拽来实现扫弦，拖拽速度快慢会影响音量和音符的连贯性。
• Solo 模式：支持单音弹奏，并可以通过箭头键实现推弦（Bends）和颤音（Vibrato）等技巧。

教学与学习辅助功能

Guitoro 为吉他初学者提供了远超传统视频课程的可视化辅助手段：

• 全方位视觉反馈：在播放歌曲时，琴弦会根据击弦情况实时亮起并产生震动感；屏幕会同步显示拨片（Pick）的上下摆动轨迹，以及指板上详细的指法编号、横按（Barre）和 Capo 位置。
• 极速播放控制：曲目播放速度可降至原速的 20%。当速度降低时，和弦变化、扫弦动作和伴奏乐队会同步减速，方便用户观察每一个细节。
• 实琴同步练习：通过“My Guitar”模式，用户可以拿着真实的吉他，跟随屏幕上的节奏和和弦提示进行同步练习。

内容与创作工具

• 丰富的资源库：内置 51 首经典歌曲与古典乐曲，涵盖了多种调性、Capo 设置和节奏模式。同时提供 56 种扫弦与拨弦模式，以及 15 种鼓点风格。
• 伴奏与创作：
  • 伴奏乐队：内置鼓、贝斯和弦乐伴奏，支持多种风格（如摇滚、雷鬼、波萨诺瓦等）。
  • 自定义歌曲 (My Songs)：用户可以粘贴和弦谱或使用 ChordPro 格式创建自己的曲目，并配合伴奏进行练习。
  • 录音功能：支持长达 10 分钟的录音，并可将作品导出为 WAV 或压缩音频文件。
• 专业化设置：提供 10 种调弦方式（如 Standard, Drop D, DADGAD 等）、Capo 设置、音箱效果器（过载、失真、混响、延迟）以及在线调音器。

目标用户场景

• 无乐器用户：无需实体吉他，即可通过电脑或移动设备练习节奏和歌曲。
• 初学者：通过观察指法和扫弦轨迹，学习基础和弦与节奏感。
• 音乐创作者/教师：用于快速检查和弦进行、编写旋律，或在教学场景中通过慢速可视化演示复杂的扫弦技巧。

Felix Rieseberg 个人简介总结

职业现状

Felix Rieseberg 目前就职于 Anthropic，致力于通过 AI 提升生产力，领导了 Claude.ai、Cowork 和 Code Desktop 的工程工作。同时，他也是 Electron 的共同维护者，并活跃于多个开源项目。

工作经历

Felix 拥有丰富的技术领导经验，曾先后在多家知名科技公司担任重要职务：

• Notion (2023–2025)：领导 Web 基础设施（Web Infrastructure）和桌面应用（Desktop App）团队。
• Stripe (2021–2023)：领导支付集成体验（Payments Integration Experience）团队，负责支付技术的未来发展。
• Slack (2016–2021)：担任高级资深工程师（Senior Staff Engineer）和工程经理。他管理着开发 Electron 跨平台框架及 macOS、Windows、Linux 桌面应用的 C++ 工程师团队。期间，他还编写了 O'Reilly 的著作《Introducing Electron》。
• Microsoft (2011–2016)：
  • 2014–2016：担任开源工程师，开发了 windows-build-tools 和 npm-windows-upgrade 等工具，致力于通过开源提升开发者体验。
  • 2011–2014：担任初创企业开发者布道师（Startup Developer Evangelist），先后在德国柏林和旧金山湾区工作。
• Apfeltalk.de (2007–2011)：担任执行主编，带领团队将该网站发展成为欧洲最大的技术网站之一。

开源贡献与成就

• 开源项目：除了共同维护 Electron 外，他还是 Language Model Builder、MCBP、windows95、macintosh.js 和 clippy 等多个开源项目的维护者或贡献者。
• 著作：曾作为 O'Reilly 的作者和培训师，撰写过关于 Electron 以及使用 JavaScript 进行 Windows 应用开发的书籍。
• 其他：曾独立开发过名为《Awesome Zombie Sniper》的游戏，该游戏获得了超过百万玩家的关注。

教育背景

• 牛津大学 (University of Oxford)：互联网研究院硕士，研究领域涵盖社会学、法律、经济学与计算机科学的交叉学科。
• 杜塞尔多夫大学 (University of Duesseldorf)：曾在此学习，并担任过应用开发方面的客座讲师及新媒体研究助理。

驳斥“通行密钥（Passkeys）是陷阱”的观点

本文针对近期在网络上流传的“通行密钥是陷阱，应回归密码和 TOTP”的观点进行了详细的反驳。作者认为，原观点对通行密钥的技术原理存在严重的误解。

核心争议点：证明机制（Attestation）

原观点认为，通行密钥支持的“证明”机制是一个“隐藏的拨盘”，允许网站通过验证用户的软件和操作系统来限制用户行为（例如禁止使用 LineageOS 或广告拦截插件）。

作者对此提出了以下反驳：

1. 大多数通行密钥并不提供证明：目前主流的同步通行密钥（如 iCloud Keychain、Google Password Manager、1Password、Bitwarden 等）在面对网站的证明请求时，返回的结果是 none。如果消费级网站强制要求提供证明，几乎会立即导致其所有用户无法登录。
2. 证明机制的功能被误解：证明机制的作用仅在于告知网站身份验证器的制造厂商和型号（通过 AAGUID 及厂商证书链），它无法获取用户的操作系统、浏览器、插件信息，也无法得知手机是否被越狱或 Root。
3. 建议逻辑自相矛盾：原观点建议使用 YubiKey 来规避证明机制，但事实恰恰相反——YubiKey 正是典型的提供证明机制的硬件，企业级身份验证正是依赖其提供的证明来确保使用的是合规硬件。

安全性对比：通行密钥 vs. TOTP

原观点推荐用户使用 TOTP（基于时间的一次性密码）作为更安全的替代方案。作者对此持否定态度，理由如下：

• TOTP 易受钓鱼攻击：TOTP 存在一个致命弱点，即用户可能会在伪造的钓鱼网站上输入验证码。攻击者可以使用如 Evilginx 之类的工具，实时拦截密码和 TOTP 码，从而窃取会话。
• 通行密钥具备防钓鱼属性：通行密钥与域名绑定。如果用户访问的是伪造的钓鱼网站（例如 examp1e.com 而非 example.com），浏览器将无法使用该域名下创建的通行密钥。这种机制从根本上解决了中间人攻击和网络钓鱼问题。

结论与建议

作者强调，通行密钥是目前保护账户免受接管的最佳手段。

• 继续使用：用户应尽可能在支持通行密钥的网站上使用该功能。
• 选择信任的服务商：建议将通行密钥存储在受信任的密码/通行密钥管理器中。
• 无需过度担忧：虽然应警惕证明机制在未来可能被滥用于消费级登录，但目前的实际情况并非如此。在证明机制大规模普及之前，避开通行密钥只会让用户暴露在更高的网络钓鱼风险之下。

Grace Hopper Celebration (GHC) 取消通知摘要

事件概况

AnitaB.org 正式宣布取消原定于加州安纳海姆（Anaheim, CA）举行的 Grace Hopper Celebration (GHC)。

取消原因

此次取消是由于资金不足导致的。与往年不同，今年的个人注册人数和赞助承诺均显著低于预期，最终未能达到覆盖关键运营成本所需的水平。

参会者后续操作指南

对于已计划参加 GHC 的人员，建议立即采取以下措施：

• 旅行与住宿： 请直接联系航空公司、铁路公司或其他交通供应商以取消或修改行程；同时，请直接联系酒店或预订平台，取消自行预订的酒店及其他相关预订。
• 费用事宜： AnitaB.org 将在 10 月 26 日前直接联系受影响的注册人员，就注册费相关事宜进行沟通。
• 咨询渠道： 若有关于此次取消的具体疑问或需要协助，请通过专用邮箱 GHC@AnitaB.org 进行咨询，以便组织方集中处理。

组织影响与未来规划

GHC 的取消已对 AnitaB.org 的财务状况造成了不利影响。目前，组织方正在评估战略替代方案以及未来可以提供的项目类型。随着关键变量的明确，预计将在未来几周内发布进一步的公告。

https://www.admin.ch/en/newnsb/NMn5s24l8NjQ

pg_vectorsearch 概述

pg_vectorsearch 是一个用于 PostgreSQL 的高性能近似最近邻（ANN）搜索扩展。目前该项目处于 alpha 阶段，仅供测试使用，不建议用于生产环境。

核心技术：PRISM 索引

该扩展的核心是 PRISM（Partitioned Routing Index for Similarity Matching）索引。与 pgvector 中的 IVFFlat 和 HNSW 相比，PRISM 在查询和索引构建速度上具有显著优势。在处理 1 亿个向量的数据集时，PRISM 在达到相同召回率的情况下，查询速度更快，且仅需 HNSW 四分之一的内存。

PRISM 的关键特性：

• 层次化分区：使用层次化质心树（Hierarchical Centroid Tree）将向量划分为不同的簇，并利用 PostgreSQL 的缓冲区缓存（Buffer Cache）来保持树的活跃状态。
• RaBitQ 量化：采用 RaBitQ 量化技术，通过其理论误差界限实现两阶段搜索（先通过量化值进行初步估计和过滤，再进行全精度重排序），从而减少需要重排序的向量数量。
• SIMD 优化：利用 SIMD 指令集（包括 AVX2、AVX512 和 NEON）优化距离计算。
• 动态更新：支持向量的插入、更新和删除。通过 prism_rebalance 过程可以对过大的 posting list 进行原地拆分。

查询流程：

1. 遍历质心树以找到最近的簇（利用缓冲区缓存）。
2. 扫描候选向量的 posting lists（利用缓冲区缓存和异步 I/O）。
3. 执行 RaBitQ 两阶段过滤：估计 $\rightarrow$ 误差界限判定 $\rightarrow$ 重排序。
4. 从堆（Heap）中提取全精度向量进行重排序。
5. 返回前 $k$ 个最近邻。

使用方式

用户可以通过两种方式使用 PRISM 索引：

1. 原生类型：使用 pg_vectorsearch 自带的 vec32 (float32) 或 vec16 (float16) 列。这种方式无需安装其他扩展。
2. 兼容现有 pgvector 表：可以直接在已有的 pgvector 类型（vector 或 halfvec）列上构建 PRISM 索引。这种方式无需重写或复制原有的数据，查询语法也保持不变。

算子类（Operator Classes）

PRISM 支持以下距离度量，并提供相应的算子类：

维护与调优

• 调优：用户主要通过调整 prism.nprobe 参数来平衡查询速度与召回率（默认值已针对大规模基准测试进行优化）。
• 维护：由于插入操作会不断增加 posting list 的长度，可以通过执行 prism_rebalance 过程来拆分超大型列表，以保持性能。

构建要求

• PostgreSQL 18 或更高版本。
• 支持 C11 标准的编译器（如 GCC 11+ 或 Clang 14+）。
• Meson 构建系统。
• （可选）CBLAS，用于加速 RaBitQ 编码。

网络攻击导致丹麦与德国间的隧道建设项目停工

事件概述

连接丹麦与德国的费马恩海峡（Fehmarn Belt）公路及铁路隧道建设项目因遭遇网络攻击而被迫全面停工。此次攻击直接影响了负责该项目的国际 FLC 财团。

攻击影响

网络攻击导致了施工现场的严重瘫痪：

• 人员准入受阻： 工人的身份识别卡无法正常使用。
• 设备停摆： 用于海上作业的关键设备，包括船舶、起重机和平台，均无法运作。

FLC 财团共有约 2,800 名员工，来自丹麦、德国、法国、比利时和荷兰等国。

调查与潜在威胁

项目投资者公司 Sund & Baelt 表示正在与承包商就此事进行沟通。目前，攻击者的具体身份以及修复工作所需的时间尚不明确。

丹麦数字安全委员会主席 Henning Mortensen 指出，此次事件不排除与“混合战争”有关的可能性。此前，丹麦相关部门已发出警告，提示可能面临来自俄罗斯的网络攻击，并将威胁等级提升至高水平。

项目背景

该隧道全长 18 公里，由 89 个混凝土构件组成，其海上运输和连接过程高度依赖数字软件。该项目预计总成本约为 70 亿欧元。虽然原计划于 2029 年启用，但此次事件可能导致工期面临延误。

https://www.reuters.com/business/asml-forecasts-q4-sales-above-expectations-ai-chip-demand-2026-10-14/

https://mastodon.social/@marioguzman/117436264149891011

Ledger 硬件钱包硬件后门植入事件总结

事件概述

近期，加密货币硬件钱包制造商 Ledger 遭遇严重的硬件供应链攻击。研究人员和用户发现，部分 Ledger 钱包（包括 Nano X、Flex 和 Stax 型号）被植入了恶意硬件后门。据 Bitquery 数据显示，仅通过马来西亚授权经销商 CryptoBilis 售出的受损设备，就已导致约 1.02 亿美元的比特币、以太坊和 Tron 等加密货币被窃。

技术原理与攻击机制

这些硬件植入物通过物理手段篡改设备内部结构，其核心功能是窃取用户的助记词（Recovery Seed Phrase）。

• 工作流程：植入物包含额外的电路板、天线、LTE 模块和 eSIM。当用户初始化钱包并查看屏幕上显示的助记词字符时，植入物会通过电路捕捉这些信息，并利用 LTE 模块通过蜂窝网络将数据发送至攻击者的远程服务器（经追踪，部分通信指向香港的数据中心）。
• 隐蔽性演进：
  • 第一代：采用明显的电线手工焊接，极易被拆解发现。
  • 第二代：使用定制的橙色透明柔性电路板覆盖在原电路板上，增加了识别难度。
  • 第三代：极度精细化，采用黑化涂层使电路板与原件外观融为一体，并使用定制天线和刮掉标识的组件。这种高度定制化的特征表明，攻击者已具备大规模生产此类恶意组件的能力。

供应链风险与范围

攻击范围正在不断扩大，呈现出从“非授权渠道”向“官方授权渠道”渗透的趋势：

1. 初始阶段：植入物最初发现于东南亚（如泰国、马来西亚）的非授权在线卖家。
2. 扩散阶段：用户在德国大型电子连锁店（如 MediaMarkt）购买的全新设备中也发现了植入物。这引发了外界对 Ledger 供应链完整性遭到破坏的严重质疑。
3. 型号覆盖：攻击目标已从 Nano X 扩展到 Ledger 更先进的 Flex 和 Stax 型号。

关键争议与调查进展

• CryptoBilis 争议：作为受影响严重的授权经销商，CryptoBilis 在今年 3 月进行了未公开的所有权变更，引发了外界对其是否与窃案有关的猜疑，但该公司否认参与其中。
• Ledger 官方态度：Ledger 表示其安全基础设施并未遭到攻破，并猜测植入物可能通过退货重新销售或非法渠道流入授权经销商。然而，研究人员指出，在授权零售店发现全新设备被植入，更直接指向了供应链的漏洞。
• 行业连锁反应：竞争对手 Trezor 已采取预防措施，大幅缩减其授权经销商名单，以防止类似的供应链攻击波及自身生态系统。

AI 领袖言论追踪工具概述

该工具旨在追踪人工智能（AI）领域领袖的言论及其观点演变过程。

核心功能与特点

• 观点演变追踪：通过对比领袖过去与现在的言论，展示其思维方式的变化。所有引用内容均经过原始录音核实，以确保准确性。
  • 案例说明：以 Sam Altman 为例，他曾认为未来会出现计算资源过剩（compute glut）的情况；而现在的观点则转变为：只要模型持续改进，由于对智能的需求实际上是无上限的，将会面临持久的计算短缺。
• 实时通知：用户可以通过电子邮件订阅特定人物的新言论通知（该功能支持最多 3 人免费订阅）。
• 可搜索的领袖数据库：提供一个可搜索的列表，涵盖了 AI 领域的关键人物（如 Elon Musk、David Sacks、Mira Murati 等），并实时显示各人物在本周及历史累计的新言论数量。
• 社区驱动的内容扩展：用户可以通过投票的方式，建议并决定工具下一步应该追踪哪些 AI 领域的领袖。

Starlink 速度限制对乌克兰无人机作战的影响

技术限制及其核心影响

SpaceX 对其 Starlink 服务（特别是 StarShield 军事方案）在移动状态下的终端实施了速度限制。目前该限制约为 160 km/h，这主要影响高速无人机平台和远程打击系统。若该速度阈值进一步降至 60–70 km/h，则会波及更广泛的常规战术无人机。

需要明确的是，Starlink 的关键作用并非导航（无人机可通过 GNSS 或惯性导航系统实现定位），而是提供通信链路。这包括指令传输、视频回传、任务更新以及操作员与平台之间的实时联系。失去稳定的数据链路意味着无人机将失去实时控制能力和战场灵活性，其作战价值将大幅下降。

政治因素的猜测

目前有观点（如 Serhii Sternenko）认为，SpaceX 的这一决定可能与美国政府对乌克兰施加的政治压力有关，特别是在乌克兰对俄罗斯境内目标进行打击的背景下。然而，这仅属于推测，目前 SpaceX 和白宫均未对此类政治动机做出任何确认，相关媒体也未能证实限制措施源自美国政府。

战略脆弱性与外部依赖

Starlink 的技术特性在为乌克兰提供强韧通信能力的同时，也暴露了其战略上的脆弱性：

• 控制权缺失：乌克兰无法完全控制 Starlink 通信架构的运行参数。SpaceX 拥有远程更改终端运行参数的能力，即使是细微的技术调整（如速度限制）也能迅速改变乌克兰无人机行动的节奏。
• 私人控制带来的风险：乌克兰的战场表现部分取决于私人卫星网络。这意味着军事行动不仅受限于战场环境，还受到私人供应商的合同限制、地理围栏及服务参数的影响。
• 指挥链脱节：尽管国家可以自主研发无人机并训练操作员，但如果关键的数据链路依赖于外部私人供应商，整个作战系统在很大程度上仍受制于非军事指挥链的决策。

Pulse Local：一款注重隐私的 Mac 本地 AI 预算管理应用

Pulse Local 是一款专为 Mac（Apple Silicon）设计的全面预算管理工具。其核心设计理念是在提供完整记账功能的同时，通过将 AI 模型运行在用户本地设备上，最大限度地保护财务数据的隐私。

核心功能

Pulse Local 提供了一套完整的预算管理方案，涵盖了主流记账应用的核心需求，包括：

• 预算管理：设定计划与目标、规则设定、金额滚动（Rollover）及款项拆分。
• 财务分析：现金流管理、消费预测以及详细的支出统计。
• 数据准确性：其财务计算逻辑经过实测验证，能够精确匹配实际账本。

AI 交互与隐私保护

该应用允许用户通过自然语言与自己的财务数据进行对话，例如查询消费去向、对比不同月份的支出或检查预算剩余情况。

• 本地化存储：用户的账本数据完全存储在本地磁盘上。
• 隐私处理：在向托管模型提问时，仅发送问题及回答该问题所需的特定数据行。
• 准确性校验：在内存大于 16GB 的设备上，系统会对数据进行两次读取以确保计算准确；如果两次读取结果不一致，AI 会提示“不确定”而非盲目猜测。
• 技术实现：为了弥补小型本地模型在逻辑计算上的不足，应用主要依靠代码执行大部分计算工作，而非完全依赖 AI 模型。

定价模式

Pulse Local 采用非订阅制的灵活定价策略，旨在支持开发团队：

• 免费版：包含所有功能，无需注册账号，无广告干扰。
• 支持版：用户可以选择一次性支付（如 $20 或 $40）来支持后续开发。
• 银行同步服务 (Sync Pass)：由于银行数据同步涉及持续运行成本，该功能需单独支付每年 $29 的费用。

局限性与权衡

为了实现极致的隐私与本地化，用户需要接受以下限制：

• 单机使用：账本仅存在于当前机器，不支持云端同步。
• 数据导入：默认通过导入 CSV 文件进行记账，而非实时连接银行账户（除非使用付费的 Sync Pass）。
• 平台限制：目前仅支持配备 Apple Silicon 的 Mac 电脑，且界面和回答均为英文。
• 模型能力：由于采用小型模型，在处理开放式问题时可能不如顶尖的大规模语言模型，因此 AI 生成的回答会进行明确标注。

Gemini 4 Argon 机器人技术总结

Gemini 4 Argon 是一个在物理理解、代码生成和视觉语义推理方面实现重大突破的模型，旨在通过增强物理 AGI（通用人工智能）的进程，为机器人技术栈提供全新的工作流。在测试机器人处理 3D 环境中物理与空间问题的 ERQA（具身推理）基准测试中，Argon 凭借纯推理能力取得了 87% 的高分，优于其他前沿模型。

Argon 的核心能力覆盖了机器人生命周期的四个关键领域：

1. 机器人控制 (Robot Control)

• 移动操作 (Mobile Manipulation)： Argon 可以利用 MuJoCo 创建数字孪生进行虚拟练习，随后在现实中控制如 Boston Dynamics 的 Spot 四足机器人执行复杂任务（例如：踩踏脚踏式垃圾桶丢弃易拉罐）。
• 零样本控制 (Zero-shot Control)： 在无需特定任务预训练的情况下，Argon 能通过视觉坐标架和动作原语（Action Primitives），引导机械臂完成如重置杯子、放入纸巾等精细操作。
• Omni 控制： 在 Gemini Omni 世界模型中，Argon 可以通过闭环视觉反馈循环来引导视频生成，通过编写带有时间戳的动作提示词来精确控制视频中的物体排列（如排列字母）。

2. 现实到仿真 (Real2Sim)

Argon 具备强大的场景重建能力，可将视觉输入转化为物理可解的仿真环境：

• 机器人视角重建： 从机器人摄像头的实时视频中重建经过物理校准的 MuJoCo 数字孪生，实现视觉与物理接触特征的匹配。
• 人类视角重建： 将第一人称人类操作视频转化为具有高自由度（如 76-DoF 人形机器人）的仿真环境，并将人类动作重定向至机器人关节。
• 草图转仿真： 仅凭一张手绘草图，Argon 即可自动构建 GPU 加速的仿真场景，并合成符合物理规律的全身运动轨迹（如投掷动作）。

3. 物理理解 (Physical Understanding)

• 后验标注 (Hindsight Labeling)： Argon 能对操作视频进行多粒度的语义分割和质量控制标注，识别动作中的失误（如抓取不稳、打滑），为行为克隆（Behavior Cloning）提供高质量数据。
• 物理逻辑推理： 能够通过视觉反馈解决复杂的物理逻辑问题，例如通过视觉观察天平倾斜程度来解决“12 球称重”谜题。
• 价值函数 (Value Function)： 通过分析多视角视频，Argon 能生成任务进度预测曲线，识别动作轨迹中的正向、中性和负向进展。

4. 研究与自我改进 (Research and Self-improvement)

• 通过仿真改进动作： Argon 能从单张照片中构建仿真环境并生成大量随机化数据，用于微调视觉-语言-动作（VLA）模型，从而显著提升机器人在现实世界中的任务成功率。
• 硬件自我改进： 在实际硬件上，Argon 可以通过“执行—诊断—修复—优化”的循环，自主提升执行速度和放置精度。
• 论文复现： Argon 能够读取机器人控制论文并将其物理模型与控制器迁移到 MuJoCo WebAssembly 环境中，实现可在浏览器中运行的交互式实验。

获取方式

Gemini 4 Argon 已在 Google 的开发者平台上线，包括 Google AI Studio（面向 Ultra 订阅者）、Gemini API（付费层级）以及 Google Antigravity（用于复杂规划和多智能体编排）。

项目概况

该内容展示了一个名为 “How random are you?” 的项目（发布于 Hacker News）。

• 核心主题：根据标题推测，该项目旨在测试或衡量用户的“随机性”。
• 内容局限：由于提供的正文仅包含“Loading the page…”（正在加载页面...），目前无法获取该项目的具体功能、技术架构、实现方式或详细描述。

业余编程 (Recreational Programming) 概述

定义与核心理念

业余编程是指纯粹出于编程本身的乐趣而进行的活动，其动力源于内在动机，而非金钱、职业晋升、外部需求或副业压力。

• 表现形式：出于好奇心构建事物、探索新语言、解决脑海中的抽象问题、开发仅为自我满足的工具，或编写能带来愉悦感的代码。
• 核心区别：它排斥以职业发展为目的的技能提升、遵循教程步骤、应对面试的刷题，以及满足他人预期的开发任务。
• 重要意义：通过重新建立与编程本质的联系来防止职业倦怠，通过低风险的探索培养直觉，维持对技术长期的热情，并往往能带来意想不到的学习突破。

业余编程的五种风格

1. 实时探索者 (The Live Explorer)：通过直播或博客公开构建过程，展示包括错误、死胡同和重启在内的完整、凌乱的过程，利用社区提供能量。
2. 深度钻研者 (The Deep Diver)：痴迷于理解底层原理，通过构建复杂系统的“玩具版本”来学习，价值取向是学习而非交付。
3. 创意技术人员 (The Creative Technologist)：将代码作为艺术媒介，如生成艺术、音乐合成或交互式装置，技术服务于创意愿景。
4. 问题解决者 (The Problem Solver)：通过代码解决个人生活中的微小痛点，追求“够用就好”的解决方案，有时会意外创造出实用的工具。
5. 语言探索者 (The Language Explorer)：不断尝试新语言和范式，通过在不同语言中实现相同的概念来满足智力好奇心。

核心模式与准则

• 允许构建“无用”之物：好奇心即是充分的理由，无需考虑投资回报率（ROI），失败的实验仍具有学习价值。
• 跟随兴趣而非计划：当兴奋感消失时可以切换项目；放弃仓库是探索的表现而非失败；无聊感是了解自身兴趣的数据反馈。
• 记录心路历程：分享决策过程而非仅仅展示结果，通过教学加深理解并建立连接。
• 拥抱学习过程：保持“初学者心态”，接受不确定性，追求进步而非完美。

实践指南：构建个人编程游乐场

环境建设

建立一个无压力的实验环境，例如专门的“实验”文件夹或代码库，无需考虑生产环境的复杂性（如 CI/CD 压力），并使用快速初始化脚本。

尝试方法

• 每周实验：每周花 2-4 小时探索一件新事物。
• 自建挑战：尝试从零构建常用工具的简化版。
• 痛点解决：编写解决个人烦恼的小程序。
• 教学项目：通过解释原理来驱动构建。
• 跨语言挑战：用不同的语言实现同一个问题。

心态转变

从“我应该……”转变为“如果……会怎样？”，将重点从“交付产品”转向“学习与好奇”。

现实案例参考

文中提到了多位代表不同路径的开发者：

• Zikani Nyirenda：通过解决个人小问题进行实践探索。
• Jeremiah Chienda：在学习新技术的过程中探索全栈架构。
• Tsoding Daily：展示从零开始构建随机项目的完整过程。
• ThePrimeagen：通过优化开发工具和 CLI 工具展现高能量的解决问题方式。
• Casey Muratori：从底层原理出发，不依赖框架构建复杂系统。
• Ben Eater：通过构建硬件组件来讲解计算机基础知识。
• Dan Luu：通过深度的技术调查和基准测试来研究性能谜题。

总结

业余编程的目标不在于成为某种特定类型的程序员，而在于通过保持好奇心，在职业生涯之外找回编程最初的快乐。唯一的规则是：如果不再感到有趣，就停止。

https://swedenherald.com/article/tv4-postpones-the-challenge-until-2027-after-technical-failure-erases-edited-footage