英国金融行为监管局(FCA)已授予美国数据分析公司Palantir一份每周超过3万英镑的合同,用于分析其金融犯罪情报数据。为期三个月的试用旨在提高FCA检测英国42,000家金融公司中欺诈、洗钱和内幕交易的能力。 该交易引发了隐私担忧,原因是Palantir的历史记录——包括与移民执法和以色列军队的合作——以及其联合创始人的政治关系。批评者担心敏感数据可能被滥用,包括来自消费者投诉和通信的个人信息,尽管FCA声明Palantir将作为其控制下的“数据处理者”行事,数据将存储在英国。 虽然专家承认人工智能可以增强金融犯罪检测能力,但数据安全和Palantir的伦理可靠性仍然存在疑问。FCA坚持认为已实施严格的控制措施,禁止Palantir将其用于产品培训,但人们仍然担心获得的信息可能被利用。 这份合同增加了Palantir已获得的5亿英镑以上英国公共部门合同,包括与国民医疗服务体系(NHS)和国防部。
## OpenClaw:自主AI代理的承诺与风险
自主AI代理的复兴,例如基于Anthropic的Opus的OpenClaw,正在重现2023年AutoGPT和BabyAGI引发的兴奋(和担忧)。然而,与前代产品不同,这些新的代理*真正*兑现了自动化承诺——与Gmail、Slack甚至家庭自动化系统互动。这种能力促使OpenAI收购了OpenClaw的创建者Peter Steinberger。
吸引力在于轻松的任务管理未来,但这种力量伴随着巨大的代价:**安全性**。OpenClaw的开源性质以及对“技能”(用户创建的插件)的依赖,引入了漏洞,包括潜在的恶意软件传播和凭证泄露。风险包括提示注入、对敏感数据的未经授权访问,甚至完全的系统妥协。
虽然容器化、限制访问以及TrustClaw等平台(提供托管OAuth和沙盒执行)等解决方案可以减轻这些风险,但OpenClaw强调了一个关键点:这些代理需要被视为独立的、潜在不可信的实体。尽管潜力巨大,但生态系统尚未成熟到可以广泛、无忧无虑地采用,需要谨慎并关注安全最佳实践。
## 字体识别模型:学习历程
出于对字体的个人兴趣和学习人工智能模型训练的愿望,一位软件工程师构建了“Lens”字体识别模型。现有的在线工具通常依赖于专有字体或需要手动选择字形——Lens旨在无需手动输入,从图像中识别最接近的*开源*字体。
该项目不仅仅是训练一个PyTorch文件,还需要构建一个完整的“模型”流程,包括图像处理(裁剪、清理)和输出映射。关键的学习包括专注于相关输入(图像中最大的文字块)以及认识到数据收集和清理占据了90%的工作量。
诸如分离CPU/GPU任务和从小型训练开始(每个字体5张图像)等优化被证明至关重要。虽然训练面临云端上传挑战和漫长的迭代周期,但最终的模型表现出准确和快速的性能(2-3秒)。代码已在GitHub上公开可用,但尽管性能优于现有解决方案,分发仍然是一个挑战。该工程师计划继续改进Lens,并探索其在排版和设计中的进一步应用。
## .NET MAUI 的 Avalonia:首个预览版发布
.NET MAUI 的 Avalonia 后端首个预览版现已发布,使开发者能够将 .NET MAUI 应用程序部署到 Linux 和 WebAssembly 等平台。 这扩展了 Avalonia 的跨平台能力,并提供了原生和绘制 UI 之间的选择——允许应用程序与宿主操作系统融合*或*在所有平台上保持一致的外观和感觉。
入门很简单:在现有的 .NET MAUI 项目中添加一个 NuGet 包和一个目标框架。 团队专注于与 .NET MAUI 控制的对等性,从而为所有用户带来了 Avalonia 12 的新导航 API。
广泛的测试包括移植 MauiPlanets、AlohaAI 和 MyConference 等应用程序,展示了成功的功能互操作性,且代码更改最少。 WebView、GraphicsView 和 SkiaSharp 等关键组件也受支持。
未来的开发包括基于 Avalonia 的 Maui.Essentials 定制实现以及与 WinUI 的互操作性。 此预览版旨在赋予开发者更大的控制权和灵活性,以构建真正跨平台的 .NET 应用程序。