该 GitHub 仓库 **anthropics/cryptography-research-demo** 是一个研究工件,包含与多篇学术论文相关的密码分析代码。 该仓库由三个独立的组件组成: * **AES** * **HAWK** * **LEA** 本项目采用 Apache 2.0 许可证发布。请注意,这是一个静态的研究演示,目前已不再维护,且该仓库不接受任何贡献。
该 GitHub 仓库 **anthropics/cryptography-research-demo** 是一个研究工件,包含与多篇学术论文相关的密码分析代码。 该仓库由三个独立的组件组成: * **AES** * **HAWK** * **LEA** 本项目采用 Apache 2.0 许可证发布。请注意,这是一个静态的研究演示,目前已不再维护,且该仓库不接受任何贡献。
**Deltafin** 是一个研究项目,旨在让 Apple Silicon Mac 本地运行 Moonshot AI 的大型混合专家模型 (MoE) —— K3。 **工作原理:** 由于该模型(1.56 TB)远超本地内存容量,Deltafin 采用了“专家路由”策略。常驻的“主干”(114 GB)包含模型核心组件,存储于本地并逐层访问;而 82,432 个专家参数则要么缓存于 NVMe 固态硬盘中,要么按需通过 Hugging Face 的范围请求获取。 **主要特性:** * **两种模式:** “完整”本地安装(约 1.7 TB)可提供最佳性能;“流式”模式(约 215 GB)则按需获取专家参数。 * **性能表现:** 使用融合的 MXFP4 内核、双缓冲加载和 n-gram 推测进行优化。即使在 M1 Max 上也能实现推理,速度取决于内存和磁盘带宽。 * **兼容性:** 包含一个与 OpenAI 兼容的 API 服务器,可与标准工具集成。 * **架构:** 使用纯 PyTorch 垫片运行 Moonshot 的原始建模代码,确保输出结果位精确一致。 **警告:** 这是一个实验性的概念验证项目。推理速度缓慢(每个 Token 需要数秒到数分钟),仅供研究使用,不适用于实际的聊天部署。
在问世二十八年后,《半衰期》(Half-Life)终于登陆了基于 PowerPC 的 Macintosh 电脑。这款标志性的第一人称射击游戏讲述了物理学家戈登·弗里曼从被围困的黑山研究所逃生的故事,它原计划于 1999 年登陆 Mac OS 9,但随后被取消,至今才在旧版 Mac 用户中实现。 这一非官方移植版由 GitHub 用户 doctashay 利用 Xash3D FWGS 的分支实现,该引擎是 GoldSrc 引擎的重构版本。此版本可全程游玩,并包含多人游戏支持、《Uplink》演示版,以及对《蓝色偏移》(Blue Shift)和《针锋相对》(Opposing Force)资料片的兼容性支持。 该移植版支持运行 Mac OS 9.0 或更高版本的 G3 和 G4 机器。虽然这对复古游戏社区来说是一个里程碑式的成就,但运行性能取决于硬件配置;显存不足 8MB 的系统可能会遇到运行困难。此次发布是一个了不起的技术里程碑,终于让 PowerPC 用户体验到了曾被认为已成历史的经典《半衰期》。
从图钉位置出发,向各个方向延伸 5° 的扇形区域。花瓣长度 = 到达 10 万人口的距离。曼哈顿,堪萨斯州;曼哈顿,伊利诺伊州;我的位置;达到 10 万人口所需距离;此扇区 —— 悬停地图以查看特定方向。加载中…… Meta/CIESIN HRSL · 地理编码 © OSM Nominatim · © CARTO
关于 新闻 版权 联系我们 创作者 广告 开发者 条款 隐私 政策与安全 YouTube 的运作方式 测试新功能 © 2026 Google LLC
请启用 JavaScript 和 Cookie 以继续。
**Codex Security** 是一款开源的命令行工具(CLI)和 TypeScript SDK,旨在发现、验证并审查代码库中的安全漏洞。它支持 macOS、Linux 和 Windows,并需要 Node.js 22+ 及 Python 3.10+(用于特定导出任务)。 ### 主要功能: * **扫描:** 使用基于 OpenAI 的模型进行深度安全分析。扫描可针对特定路径、差异文件(diff)或整个代码仓库,并支持引入自定义知识库(如威胁模型)。 * **自动化:** 集成支持 CI/CD 流水线,包括“严重性阈值失败”(fail-on-severity)设置及机器可读输出(JSON、SARIF、CSV)。此外,提供预提交钩子(pre-commit hook)以拦截不安全代码。 * **批量分析:** 提供基于 Docker 的工作流,支持通过 CSV 输入对多个仓库进行大规模异步扫描。 * **管理:** 使用内置命令列出、比较、重新运行及验证扫描结果。该工具可追踪扫描历史,并支持在不同代码版本间匹配发现的问题。 ### 快速上手: 1. **安装:** `npm install @openai/codex-security` 2. **验证:** 通过 `npx codex-security login` 登录,或设置 API 密钥 (`OPENAI_API_KEY`)。 3. **运行:** 执行 `npx codex-security scan /path/to/repo` 开始扫描。 如需完整的配置和参数详情,请通过 `npx codex-security --help` 查看文档。
递归对于开发者而言是一种优雅且直观的工具,但它隐藏着一种操作风险:栈溢出。无论函数逻辑多么严谨或是否符合“尾递归”形式,JavaScript 运行时环境并未统一实现尾调用优化(TCO)。因此,在某个环境中看起来安全的函数,在另一个环境中可能会导致崩溃。 核心问题在于代码结构(递归模式)与运行时行为(栈管理)之间的错位。即使从理论上讲 TCO 是可行的,大多数现代引擎也不保证支持,这意味着栈空间的增长始终是一种物理限制。此外,开发者必须区分与栈相关的崩溃和算法效率问题,例如简单递归实现斐波那契数列时出现的指数级时间复杂度。 为了构建可靠、可用于生产环境的代码,应避免依赖隐式的运行时优化。建议采取以下措施: * **限制递归**:仅将其用于深度较浅且有界限的场景。 * **使用迭代**:对于深度可能会增加的用户驱动或数据驱动型输入,应使用迭代。 * **使用蹦床函数(Trampolines)**:如果必须保留递归结构,同时又想避免栈溢出风险,可以使用蹦床函数。 归根结底,应将递归视为一种提升可读性的手段,而非性能保证。当输入规模不可预测时,请选择显式的迭代模式,以确保在所有 JavaScript 环境中的可移植性和稳定性。
来自领先人工智能公司的一千一百三十二名员工正呼吁美国政府提供紧急支持,以建立人工智能的国际治理机制。 尽管签署者承认人工智能有改善未来的潜力,但他们警告称,人工智能研究的快速自动化可能会加速其发展,从而超出人类的控制。目前,激烈的竞争压力使各个公司或国家都不愿放慢步伐,而世界也缺乏有效调控进度所需的工具。 这封信敦促美国政府领导一项国际行动,开发管理这些风险所需的技术和监管框架。该群体认为,通过建立监督并审慎调整前沿人工智能发展的系统,社会可以更好地确保安全、加强监管,并在不冒灾难性失控风险的情况下充分利用该技术带来的好处。
Granola 推出了一款全新的 Apple Watch 应用,旨在让你在面对面会议中实现自然的、无需屏幕的笔记记录。无论是在白板前头脑风暴,还是在喝咖啡时交流,你都可以通过简单的点按来开始或停止录音,从而保持全神贯注。
主要功能包括:
* **无缝集成:** 触觉提醒会及时提示你参加预定的会议,表盘复杂功能(Complication)支持一键快速开启随手记。
* **即时同步:** 录音会自动同步到你的 iPhone、Mac 或 Windows 电脑,并可通过 Granola MCP 集成到 AI 工具中。
* **专注于当下:** 无需携带笔记本电脑,该应用有助于促进更深入、更专注的互动。
为庆祝新应用上线,Granola 推出了限量版手工编织丝棉表带。该应用现已面向 watchOS 11 或更高版本的用户免费开放——只需更新 iPhone 上的 Granola 应用即可开始使用。