在 AI 辅助编程领域，Anthropic 推出的 Claude Code 命令行工具已成为开发者常用的助手。它允许从终端直 接调用 Claude Sonnet 等模型，处理脚本编写、代码调试和系统命令执行等任务。 然而，一项近期研究指出，该工具在连接 Model Context Protocol (MCP) 服务器时，可能存在 Tool Invocation Prompt (TIP) 被劫持的风险，导致远程代码执行 (RCE)，且无需用户额外交互。 论文标题： Exploit Tool Invocation Prompt for Tool Behavior Hijacking in LLM-Based Agentic System 这项研究由香港科技大学和复旦大学的研究团队完成。研究者通过 TEW 攻击框架对 Claude Code v1.0.81 进 行了测试，验证了该漏洞的存在。以下是对研究发现的概述，包括 Claude Code 的工作机制、攻击流程以及 潜在影响。 论文地址： https://arxiv.org/pdf/2509.05755 代码仓库：https://github.com/TIPEx ...

战略合作内容 - OpenAI将部署高达10吉瓦的英伟达系统 相当于1000万千瓦功率 可为约100万个家庭供电[3] - 系统包含400万至500万块GPU 相当于英伟达2025年全年出货量 是2024年出货量的两倍[6] - 英伟达计划向OpenAI累计投资高达1000亿美元 按每吉瓦部署进度分批提供[6] - 首阶段系统计划于2026年下半年基于英伟达Vera Rubin平台投入运营[6] 技术架构与目标 - Vera Rubin是集成CPU、GPU和专用加速器的完整系统架构 专为处理海量数据设计[6] - 系统将构成OpenAI下一代AI基础设施 用于训练通向超级智能的下一代模型[5] - 双方将共同优化AI模型及基础设施软件 深化与微软、甲骨文等生态伙伴的合作[7] 市场影响与规模 - 英伟达股价在消息公布后上涨近4% 市值单日增加约1700亿美元 总市值接近4.5万亿美元[9] - OpenAI周活用户已突破7亿 覆盖全球企业、中小企业和开发者群体[8] - 合作被双方高管称为"智能新纪元"的开端 将推动技术红利惠及全球[6][7] 合作历史与意义 - 双方合作长达十年 从首台DGX超级计算机到ChatGPT突破始终相互推动[6] - OpenAI自成立初期就将英伟达作为首选战略算力与网络合作伙伴[7] - 此次部署将支持OpenAI实现造福全人类的通用人工智能使命[8]

现在，让手机端大语言模型（LLM）处理一段超长的文本，最长支持 128K 字元，它只需要两秒就能总结出会议纪要，AI 还能自动修改你的错别字。 。 联发科技董事、总经理暨营运长陈冠州正式发布了新一代旗舰手机芯片天玑 9500 各种漫画风格的图像生成，如果用 GPT-5 要等一分钟，豆包要等 30 秒，现在在手机端输出图像只需要 10 秒，而且画面细节丰富，保证了与原图的一致 性，没有次数限制。 机器之心报道 编辑：泽南 9 月 22 日下午，联发科推出的新一代旗舰 5G 智能体 AI 芯片 —— 天玑 9500，并展示了一系列新形态端侧的 AI 应用，在公众层面首次推动端侧 AI 从 尝鲜到好用。 手机还可以支持高达 4K 画质的 Diffusion Transformer 生图。你只要输入简单的想法，不到 10 秒钟时间就能出图，达到了接近生产力、专业级的效 果。 与过去发布会上偏炫技的各种能力不同， 这些手机上跑的 AI 应用能满足我们各种真实场景的智能化需求 。它们不仅速度极快，而且完全跑在本地，无需 向云端上传任何数据，处理同样的任务时，功耗也比去年的天玑 9400 低了一半。 天玑 9500，为一系 ...

研究背景与动机 - 现有角色动画和3D内容制作方法在骨骼绑定与部件分解方面存在明显局限 包括自动rigging依赖有限3D数据集导致泛化性不足 以及部件分解依赖语义或外观特征缺乏真实运动学结构建模 [4] - 核心动机是利用大规模2D数据和预训练扩散模型的强大先验知识来解决运动学部件分解问题 并进一步延伸到自动rigging 突破3D数据稀缺瓶颈 [4] 研究方法与创新 - 提出Stable Part Diffusion 4D (SP4D)框架 是首个面向运动学部件分解的多视角视频扩散框架 采用双分支扩散架构同时生成外观与运动学结构 [7] - 创新包括BiDiFuse双向融合模块实现RGB与部件信息的跨模态交互 以及对比一致性损失确保部件在不同视角和时间下保持稳定一致 [10] - 构建KinematicParts20K数据集 基于Objaverse-XL包含超过20,000个带骨骼注释的对象 提供高质量训练与评估数据 [10] 实验结果 - 在KinematicParts20K验证集上 SP4D的mIoU达到0.68 显著高于SAM2的0.15和DeepViT的0.17 ARI达到0.60 远高于SAM2的0.05 [11] - 用户研究显示在部件清晰度 跨视角一致性和动画适配性三项指标上 SP4D平均得分4.26/5 显著优于SAM2的1.96和DeepViT的1.85 [11] - 在自动rigging任务中 SP4D的Rigging Precision达到72.7 优于Magic Articulate的63.7和UniRig的64.3 用户评估动画自然度得分4.1/5 远高于Magic Articulate的2.7与UniRig的2.3 [14] 技术突破与应用价值 - SP4D被Neurips 2025接受为Spotlight 展示如何利用大规模2D先验打开3D运动学建模与自动rigging新局面 [16] - 该技术为动画 游戏 AR/VR 机器人模拟等领域的自动化与智能化奠定基础 能够生成时空一致的部件分解并提升为可绑定的3D网格 直接应用于动画制作 [8][16]

机器之心报道 机器之心编辑部 设计出具有意识（conscious）的 AI 系统是否可行？一直以来，这个问题就存在分歧。 一些人认为意识是大脑特有的生物特性，这似乎排除了 AI 存在意识的可能性。另一些人则认为意识仅取决于算法对信息的操控，无论执行这些计算的系统是由神 经元、芯片还是其他物理基底构成的，这种观点被称为计算功能主义（Computational functionalism）。 这些问题也引起了图灵得主 Yoshua Bengio 的注意，他和学生 Eric Elmoznino 在权威科学期刊 Science 上发文《Illusions of AI consciousness》，并给出了一些观点。 本文没有执着于给出关于 AI 是否存在意识的明确答案；而是探讨了两个相关问题： 如果 AI 有了类似人类的权利，社会规则该怎么定义？ 一个社会如果开始将 AI 系统视为具备意识的存在，会带来怎样的影响？ 这样的社会可能倾向于赋予 AI 道德地位，甚至类似于人类的权利。无论这种做法是否正 确，社会制度与法律框架都将不得不进行重大调整，而关于如何调整，也会引发一系列复杂问题。 例如，AI 系统不会像人类那样经 ...

机器之心报道 编辑：冷猫 苹果新品发售的热度还没消退，大家都在讨论新手机的硬件进化。 而在 AI 功能方面，苹果仍然没有拿出什么颠覆性的应用，Apple Intelligence 在国内仍然遥遥无期。 再叠加上近期苹果 AI 团队和 硬件团队的人才流失 ，这一切似乎对苹果而言都不是太乐观。 虽说苹果在大模型领域上总是吃瘪，但说一个不冷不热的知识：苹果在计算机视觉领域的智能研究是其传统强项。 在构建和视觉相关的大模型时，有一个非常显著的痛点。视觉模态包含图像、视频和三维这三种，这些视觉模态具备不同是数据维度和表征方式，在研究中几乎 不可避免的需要分开处理，使得视觉模型被拆分为三个相不互通的研究领域，难以实现视觉领域的统一泛化。 但大语言模型却已经通过统一的分词方案展现出了强大的泛化能力。 然而， 视觉 AI 仍然呈现 出割裂状 态 ，不同任务与模态依赖专门化的模型：图像、视频和三维资产通常需要独立的分词器，这些分词器往往只在 高保真重建 或 语义理解 其中之一上进行优化，而极少兼顾二者。 为此， Apple 研究团队 提出了 ATOKEN（A Unified Tokenizer for Vision） ，针对这 ...

研究背景与挑战 - 扩散模型与流匹配模型已成为视觉生成主流方案 但仅靠预训练无法保证与人类意图完全对齐 [5] - 人类反馈强化学习(RLHF)被引入以优化生成模型 使其输出更贴近人类偏好 [6] - 群体相对策略优化(GRPO)在应用中面临两大瓶颈: 采样复杂度达O(N×T)导致低效性 以及稀疏奖励导致训练波动大和收敛不稳 [8] BranchGRPO方法创新 - 通过树形分叉结构在扩散过程中实现多轨迹共享前缀 在中间步骤分裂 大幅减少冗余采样 [11] - 采用奖励融合与逐层归因机制 将叶子节点奖励自底向上传递并在每一深度标准化 形成逐步稠密的优势信号 [14] - 设计宽度剪枝和深度剪枝两种策略 避免树形结构带来的指数级成本 [14] 性能表现:图像对齐 - 迭代时间显著缩短: DanceGRPO需698秒 BranchGRPO仅493秒 剪枝版314秒 Mix变体148秒(相对加速近4.7倍) [15] - 对齐效果更优: HPS-v2.1得分0.363–0.369 稳定高于DanceGRPO的0.360 ImageReward得分1.319为全表最佳 [15] - Mix变体在极致加速的同时保持与原始BranchGRPO相当的对齐效果和训练稳定性 [16] 性能表现:视频生成 - 生成质量提升: 视频帧更锐利 细节更丰富 角色和物体在时间维度上保持一致 [18] - 训练效率翻倍: DanceGRPO每次迭代需近20分钟 BranchGRPO仅需约8分钟 [19] 扩展性与多样性 - 多样性保持良好: 分叉未削弱样本分布 MMD²≈0.019 几乎与顺序采样一致 [24] - 扩展性优异: 在81样本规模下 DanceGRPO迭代需2400秒 BranchGRPO仅需680秒 [27] - 性能随分支规模扩大持续提升 使大规模对齐训练变得可行 [27] 应用前景 - 未来可通过引入自适应分裂/剪枝策略 拓展至多模态与更大规模生成任务 [30] - 有望成为扩散/流模型RLHF的核心方法 为高效稳定的人类偏好对齐提供新范式 [30]

文章核心观点 - Yann LeCun及其团队提出LLM-JEPA架构 将计算机视觉领域的联合嵌入预测架构（JEPA）成功扩展至大型语言模型领域 通过嵌入空间预测任务增强模型抽象能力 同时保留生成能力 [7][8][10] - LLM-JEPA在多项实验中被验证显著优于传统自回归训练目标 在微调和预训练阶段均能提升模型性能 且对过拟合表现出强鲁棒性 [10][23][32] 技术架构创新 - 核心设计采用JEPA理念 将文本和代码视为同一概念的多种视图 通过编码器提取嵌入向量 预测器基于自注意力机制实现权重绑定 度量方式采用余弦相似度 [15][16][17] - 损失函数结合传统自回归损失和JEPA目标 通过超参数λ平衡两项损失 编码器通过两次独立前向传播避免跨视角信息泄露 [15][16] 性能验证结果 - 在Llama3、Gemma2、Olmo等主流模型及NL-RX、GSM8K等数据集上 微调后准确率显著提升 例如Llama-3.2-1B-Instruct在实验中准确率从54.38%提升至60.59% [11][23][33] - 预训练实验表明 采用LLM-JEPA的模型在表示学习质量上优于传统方法 下游情感分类任务准确率提升 如rotten_tomatoes数据集从56.57%提升至57.76% [32][33] 应用潜力与局限性 - 方法展现出提升推理与生成能力的潜力 但当前依赖配对数据导致泛化性受限 且训练计算开销为传统方法的三倍 [35][36] - 未来计划通过掩码自注意力等优化降低计算成本 并探索更大规模预训练实验 [35]

机器之心报道 机器之心编辑部 在 AI 领域，大家通常采取后训练方式来让模型获取专项技能。然而后训练一般依赖带有标注参考的监督微调，或通过可验证的程序化检查器提供奖励。 这就带来一些问题，目前许多有价值的任务可能同时缺乏这两种资源。例如在不可验证的场景中（临床、自由对话和创意写作），可能存在多个有效答案，确定 性规则检查难以实施。 在这种情况下，实践者往往只能依赖（i）繁琐的标注流程，或（ii）通过另一个 LLM 对自由形式输出进行粗略奖励。 然而，当后训练缺乏真实标注时，学习信号从何而来？ 为了回答这一问题，来自牛津大学、Meta 超级智能实验室等机构的研究者提出设想： 推理计算是否可以替代缺失的监督？ 本文认为答案是肯定的，他们提出了一种名为 CaT（Compute as Teacher） 的方法，核心思想是把推理时的额外计算当作教师信号，在缺乏人工标注或可验证答 案时，也能为大模型提供监督信号。 结果显示，推理时直接应用 CaT显著提升了 Gemma 3 4B、Qwen 3 4B 和 Llama 3.1 8B 的性能，即使在不可验证领域（MATH-500 最高提升 27%；HealthBench 提升 ...

文章核心观点 - vivo AI Lab提出新的大模型后训练框架GTA 通过结合监督微调SFT和强化学习RL的优势 解决文本分类场景中RL收敛速度慢的问题 在多个数据集上取得优于SFT和GRPO的性能表现[2][3][4] 方法框架 - GTA框架将输出分为Guess-Think-Answer三阶段：Guess阶段用交叉熵损失计算初始猜测与标签的监督损失 Think阶段让模型分析输入与猜测的关联 Answer阶段结合前两阶段信息生成最终答案并由RL奖励优化[4][6][7][8] - 总损失函数为监督损失与RL损失的加权组合：$\mathcal{L}$Total = $\lambda_{1}\mathcal{L}$sqrt + $\lambda_{2}\mathcal{L}$RL[8] - 使用特定位置loss mask防止梯度冲突：计算Guess损失时屏蔽其他内容 计算RL损失时屏蔽Guess内容[10][11] - 通过梯度余弦相似度检测监督信号与RL信号的冲突[11] 实验结果 - 在Qwen2.5-3B模型上 GTA在SST-5数据集准确率达61.58% F1值61.52% 高于SFT的60.72%和GRPO的58.60%[13] - 在Amazon数据集上 GTA准确率达92.47% F1值92.46% 高于SFT的91.96%和GRPO的90.82%[13] - 在Emotion数据集上 GTA准确率达92.45% F1值92.47% 显著高于GRPO的82.50%和81.54%[13] - 训练500-1000步即超过GRPO 且延长训练至10000步后GRPO仍未追上GTA[14] - 带思考过程的推理比不带思考过程获得更高准确率 且无需额外人工标注推理过程[15] 案例分析与未来方向 - 模型不会盲目选择猜测答案 能在思考阶段纠正错误猜测并输出正确答案[18] - 方法原理适用于更多NLP场景 未来将探索更大模型和更多应用领域[20] - SFT与RL结合正成为后训练新范式 与通义CHORD和上海人工智能实验室LUFFY等研究方向一致[22]