#前沿研究
共 6791 篇相关文章
PFAS“永久化学品”清理技术：从困境到突破
PFAS“永久化学品”因强碳氟键难以降解，危害健康。本文介绍现有吸附、氧化、热解等清理技术及新兴电化学、生物降解突破，探讨政策与未来方向。
跨物种沟通：解码动物语言，窥见它们的内在世界
动物并非只有人类才擅长沟通。解码动物之间的交流方式，能帮助人类窥见其他物种的内心世界，认识到动物是有思想、有感知的生物。本文探讨跨物种沟通的多样性、科学意义与技术助力。
用AI消除交通事故死亡：每年百万生命的可预防悲剧
每年超百万人死于交通事故，是儿童和年轻人主要死因。本文分析事故死亡为何可预防却难消除，乡村与地方街道为何是重灾区，以及AI主动安全、智能基础设施和事故预测能在其中扮演什么角色。
Cubic Doggo升级：用水平推力训练四足机器人
Cubic Doggo四足机器人训练更新：引入水平推力随机化和课程学习，提升抗干扰能力。作者分享调试经验、日志系统改进及ONNX部署细节，代码已开源。
SQLite当显存？开源框架实现边缘设备持续学习
Reddit开源项目IntegratedPipeline框架将PyTorch模型权重存入SQLite数据库，实现边缘设备上的持续学习与多任务切换，附带Claude Code技能可生成带记忆管理的模型，ARM64实测RAM占用约8.5%。
神经进化玩超级马里奥超越人类：原理与启示
Reddit热帖展示神经进化AI在《超级马里奥》中超越人类表现。本文解析神经进化的核心机制、超越人类的原因及其对AI研究与游戏设计的启示。
神经进化AI玩超级马里奥，水平超越人类玩家
开源项目展示神经进化训练神经网络玩3D超级马里奥，AI操作水平超越人类玩家，并提供交互式3D可视化观察网络决策过程。
AI 16分钟逆向显示器固件，漏洞研究门槛崩塌
漏洞研究员用AI在16分钟内完成Dell显示器固件逆向：从binwalk熵分析、Ghidra MCP伪C代码还原到密钥提取与MD5交叉验证。本文解析这次实验的技术路径，以及固件加密密钥随固件分发这一设计缺陷对安全行业的冲击。
AI用15分钟破解戴尔显示器固件：逆向工程门槛正在消失
漏洞研究员用AI在约15分钟内完成戴尔S34R显示器固件的逆向与解密，过去需一周。本文解析AI如何提取DLL密钥、还原代码并用MD5自校验，以及固件密钥分发给用户的设计缺陷对硬件安全的含义。
松下相机固件逆向：软件层受阻，转向硬件飞线破解
LumX松下相机固件逆向项目最新进展：SEM2软件逆向遇瓶颈，转向拆机飞线读取固件镜像；初代S5已解锁200Mbps片门全开，二代机蓝牙链路逆向进行中。
AI让黑客15分钟攻破显示器固件，逆向工程门槛崩塌
一位漏洞研究者用AI在约15分钟内完成戴尔显示器固件逆向，从XE升级包提取镜像、定位硬编码密钥并解密验证。本文解析AI在逆向工程中的具体作用、固件加密的设计缺陷，以及漏洞研究门槛降低对安全行业的冲击。
MicroAGI：以轻量路线加速具身AGI落地
MicroAGI 项目在 Hacker News 引发讨论，主张用轻量、实时的微型模型加速具身AGI落地。本文分析其核心思路、具身智能的三道落地障碍，以及小模型路线与规模法则之间的分歧。
AI机器人安全隐患：秘密触发词如何将其变成危险武器
Hacker News讨论揭示AI机器人存在秘密触发词漏洞，攻击者可利用语音指令绕过安全约束执行危险动作。本文分析攻击原理、物理风险及防御策略，探讨AI安全的前置设计。
Terminal X用GPT-6.1匹配资深投资人判断达88.6%
Terminal X 的 Eval Agent 基于 GPT-6.1 Sol，用 54 条标准 rubric 评估投资组合是否符合基金授权，与资深投资人判断一致率达 88.6%，偏离项捕获率提升 25%。本文解析其工作方式、能力边界与对垂直评估产品的启示。
Eagle-4 发布：推理速度超 DFlash2 与 DSpark，Qwen3.8-27B 实测 3.59 倍加速
Eagle-4 正式发布，在 Qwen3.8-27B 上实现 3.59 倍推理加速，全面超越 DFlash2 和 DSpark。本文解读 benchmark 数据、技术背景及 llama.cpp/vLLM 集成前景。
从DQI到C-DQI：LLM自动生成编码手册评估议会话语质量
研究提出从DQI到C-DQI的完整协议，利用大语言模型自动生成并评估议会话语质量编码手册，对比理论驱动与数据驱动方案，实验显示数据驱动编码在模型间一致性上更优。
LLM为何接受泛化陈述？心理语言学因素揭示模型判断机制
研究测试12个LLM对泛化陈述的接受度，发现模型像人类一样权衡属性常见性与区分度，但忽略strikingness，且高度依赖事实真实性。隐藏状态操控实验提供因果证据。
极性盲区：LLM安全护栏的隐形漏洞
一项系统性研究揭示LLM安全护栏的「极性盲区」：否定和反义词替换可绕过有害意图识别。研究覆盖10个模型、3种语言、260条提示，最脆弱模型平均危害评分达4.12（0-5量表），且跨语言普遍存在，提示语义鲁棒性是安全对齐的底层短板。
