Anthropic 研究开源系统 FlashProve,用密码学证明 AI 模型输出身份
开源 FlashProve 给每次回复附上可在普通 CPU 上核对的密码学证明,匹配实验室公开的「指纹」且不泄露权重;目标是拦住经销商掉包便宜模型、虚报贵模型,以及第三方「已用某前沿模型扫描」一类主张。规范与代码已上 GitHub。
开源 FlashProve 给每次回复附上可在普通 CPU 上核对的密码学证明,匹配实验室公开的「指纹」且不泄露权重;目标是拦住经销商掉包便宜模型、虚报贵模型,以及第三方「已用某前沿模型扫描」一类主张。规范与代码已上 GitHub。
框架在执行结束后先摸清应用上下文再写细粒度 rubric,再按未决要求选 GUI 或代码探针,用「可证实 / 仅主张」规则合成成败或弃权;在线 AndroidWorld 准确率约 90.5%、假阳性约 7.7%,并约拦截八成虚假「已完成」声明,离线难例相对单次 VLM 裁判提升更明显。
端侧视觉一体模型与视频 FP4;llama.cpp 窗内多为日常构建。
窗内 llama.cpp b12063–b12068 等为常规构建(如 CUDA/Metal 修补),未单列。
生产事故上下文融资、开源数学协作工作区,以及多 agent 服务基准。
面向分层协作工作负载,专门压测多 agent LLM 服务系统的调度与资源行为(北大等;代码仓库已挂)。选共享推理后端时用它对照吞吐/排队,别只用单会话延迟外推团队并发。
Message Threads 昨日报过,今日仅作背景不占坑。
Agent SDK 钩子失败策略与预览运行时;空壳 alpha 标签跳过。
Codex rust-v0.167.0-alpha.4 / libcap-v2.75 镜像、gemini-cli nightly 无有效说明,未收录。
并行 agent 的 worktree CLI,以及免训练改模型行为的工具。
agent-desktop / Scrapling / colibri 昨日已见,无增量不重复。
长程 cowork 运行时与 CLI 工具链小步。
八项均分约 33.19→42.95(GLM-5.3 骨干对 Qwen3.6-35B-A3B 五轮 RSI);更关键的是人机可同改文档/演示/CAD/Blender,中断后分层工作区与语义记忆续 Job,策略与运行时状态反馈分开。
未自设默认时改走半价 gpt-6-luna(相对 gpt-5.6-luna);新增 openai endpoint add 与 gpt-6.1-sol/terra,embeddings 按内容类型接 Gemini Embedding 2 跨模态。约两月改动含 12 位作者多为 AI 辅助 PR,维护者称前沿模型分诊后负担可控。
多跳 RAG 拆问与答案复用。
共享 1000 题缓存时约 23.1% 子问命中、LLM 调用约降 12.9%,且在 MuSiQue 等上相对 13 个基线准确率领先;每次只生成一个自含子问,依赖跟踪交给规则表与轻量决策模型,跨题复用同义答案。
FlashProve 见今日三条,不在本栏重复。
开源权重机器人使用智能体统一 harness。
uni-robot-agent 统一工具/反馈并强调推理与动作流水线重叠;无特权输入时 Qwen3.8-Flash-Next 在 RoboDojo 得分约 31.39,高于已公布的 GPT-6 Astra–RoboProbe 约 28.97,真实桌面 19 项总分约 49.50。
电网友好算力、monorepo Git、开源科研模型与企业工具治理。
Rust 重写服务端、保留标准 Git 协议;按分支因果一致性、复用不可变 pack,日吞吐近 1PB、小时峰值超 57TB,中位 push 延迟约降 80%。自述 Codex 推高并行提交后旧服务可靠性承压;暂不开源,部分客户端修复回馈上游。
Grid Protectors、Pando、Revolut/GLM、Hydrogen、字节外模限制、Coze/openPangu 日落见本栏。O'Reilly 月度盘点、Arena Hy4 预告、苹果财报未占坑。LifeVal / Message Threads / Chat·Work 合并昨日报过。