ITPub博客

ReadyOn 是一家 AWS 合作伙伴，为财富 100 强企业提供智能劳动力编排平台，其在 Amazon Elastic Kubernetes（容器编排平台） Service (Amazon EKS) 上运行多租户平台，处理企业 IT 中一些最敏感的数据。Kubernetes 是该平台的核心，同时也是最复杂的安全防护面之一。默认的 Kubernetes 部署并非开箱即安全：上游 Kubernetes 历来允许匿名请求到达 API（应用程序编程接口） 服务器，仅由 RBAC 拒绝；Pod 默认以 root 身份运行；网络策略在有人编写之前并不存在。 对于单租户集群，加固是一项已有充分文档记录的挑战。但当加入多租户后，威胁模型发生了根本性变化。

美国补充营养援助计划（SNAP）在2024财年覆盖了2220万户家庭中的4170万人，并推动了1003亿美元的联邦支出。从2028联邦财年开始，这种规模的支付错误将不再是一项合规指标，而会成为一项预算项目。根据《One Big Beautiful Bill Act》（公法119-21），支付错误率达到或超过6%的州必须自行承担一部分福利成本，当错误率达到或超过10%时，这一比例将上升至15%。 2025财年和2026财年的表现决定了每个州的起始层级，因此未来一年半是至关重要的窗口期。对于一个每年在SNAP上支出数亿美元的州来说，10%的错误率每年会从预算中抽走数千万美元，而且这并非假设：2024财年全国错误率达到了10.93%，44个州提交了纠正行动计划。

OpenAI 今日宣布，将向乌克兰政府提供其 Daybreak 计划的访问权限，以支持民用基础设施的网络防御。OpenAI 将与数字转型部合作，为乌克兰团队提供工具访问权限，以识别软件漏洞并更快速地开发和测试修复方案。 该消息由乌克兰驻旧金山总领事 Dmytro Kushneruk 和 OpenAI 国家安全政策负责人 Sasha Baker 在联合国大会期间宣布。 乌克兰防御者面临来自俄罗斯的持续网络攻击，以及对该国基础设施的物理攻击。乌克兰国家网络事件响应团队 CERT-UA 在 2025 年处理了 ⁠（在新窗口中打开）近 6,000 起网络事件。这些事件包括对医院系统、能源部门和电信的攻击，凸显了为乌克兰人提供基本服务的组织所承受的压力。

本文由 HEMA 的 Mauro Rallo 和 Patrick van der Plas 共同撰写。 当 HEMA 的工程师需要答案时，他们不得不跳转于各个门户之间，在彼此割裂的 wiki、服务目录和 IT 门户中寻找。为了将这种摩擦转化为即时答案，这家拥有百年历史的荷兰零售商在 Amazon Bedrock AgentCore 上构建了一个知识层。HEMA 在多个国家拥有超过 750 家门店，由一支由工程师、产品负责人和业务分析师组成的技术组织推动数字化转型。它需要一个能够跨角色和跨工具运作的解决方案。 多年来，HEMA 悄然构建了一些有价值的东西：一幅关于自身技术版图的庞大而结构化的图景。

Apple 发布了 Swift 6.4，这是该编程语言的一次升级，全面带来了改进，包括核心库 API（应用程序编程接口）、构建、调试、与其他平台的互操作性以及性能。 Swift 6.4 于 9 月 15 日发布。“Swift 旨在成为整个技术栈的优秀选择，从应用和服务器到系统代码、嵌入式设备和浏览器。此版本深化了这种支持，并使日常代码更易于编写，”Apple 的 Joe Heck 和 Holly Borla 在公告中写道。他们列出了此次发布的以下亮点： Swift Build 现已成为 Swift Package Manager 中的默认构建系统，因此您的项目在 Linux、macOS 和 Windows 上以相同方式构建。

AI 与机器学习 安全 宽带 有线电视技术 新闻 Omdia/Cisco 的一项新调查发现，大公司正倾向于利用智能体 AI 来管理网络运营，因为人类已难以应对需要监控和解决的告警。 智能体 AI 有望让网络更智能，并始终领先于故障，同时减轻负责运营网络的人员的压力。但随着公司开始将网络运营的控制权交给 AI，向数字队友让渡多少责任仍是一个信任问题。 根据 Cisco 数据和分析支持的一项新 Omdia 研究，信任 AI 至关重要，但随着智能体 AI 在网络运营中被更广泛采用，这种信任可能会成为一个不断变化的目标。Omdia 是 Light Reading 的姊妹公司。 根据该研究，基于当前的采用水平，关于是否正在部署智能体 AI 的问题已经“过时”。

Gartner在其IT支出预测的最新季度更新中预测，2026年全球AI支出将增长49.5%，达到2.7万亿美元，并在2027年再增长36.2%，因为AI的使用持续扩大。 但Gartner杰出副总裁分析师John-David Lovelock表示，并没有从IT其他领域转移资金来供养AI。他说，CIO们在2024年获得了一些用于AI的净新增资金，2025年也获得了一些，“所以没有发生转移，现在他们更多的支出是关于重新品牌化，而非转移。” 他说，到2030年，“每一美元都将以某种方式成为AI美元。” 企业现在不再只是购买笔记本电脑，而是购买内置AI芯片的笔记本电脑，而企业软件现在也嵌入了AI。他们不再做关于业务战略的项目，而是做关于AI如何可能改变业务战略的项目。 “从某种角度看，这有点像重新品牌化，”他说。

Kubernetes（容器编排平台） 管理节点上运行的内容。管理节点本身才是挑战所在：内核设置、系统软件包、存储布局、安全智能体，以及 GPU（图形处理器） 工作负载所依赖的主机级调优。许多团队通过 Ansible playbook、自定义脚本和手动运行手册来管理这些内容。这种方式在以下情况出现之前一直有效：新集群在不同区域上线、内核升级破坏了 RDMA，或者本周必须在整个集群中修复某个 CVE。 GPU 基础设施让这一挑战更加严峻。你不能简单地丢弃一个 GPU 节点再启动一个新的。硬件稀缺，更换可能需要数小时，长时间运行的训练任务无法简单地重新调度。因此，运维问题不是如何更改一个节点，而是如何在不中断训练任务的情况下更改所有节点。

一个小型对抗性测试集，能捕捉到你的评估集永远无法发现的检索失败 检索增强生成（RAG（检索增强生成））使用从一组文档中检索到的信息来回答问题。该文档集合称为语料库。典型的评估会将一个写得好的问题发送到一个整洁的语料库，并检查检索器是否返回正确的段落。 生产环境的文档集合很少保持整洁。 策略变更后，旧页面仍然可被搜索到。用户输入“warehuse”而不是“warehouse”。光学字符识别（OCR），即从扫描件中提取文本的软件，可能会将“SSO”读作“SS0”。表格也可能在页面边界处被分割，从而将数字与其标签分开。 每个问题都可能将检索器引向错误的段落。语言模型随后接收到不正确或不完整的上下文，因此即使是写得好的答案也可能是错误的。 在本文中，我们将看到一个小型检索器和故障注入，即故意添加问题以测试系统如何响应。

关于 治理 政策 功能矩阵 捐赠 历史 赞助商 贡献 财务 服务器 最新消息 即将举行的活动 过往活动 新闻 许可证 PgBouncer 1.26.0 已发布。此版本修复了三个 CVE： 1. CVE-2026-19888：由于崩溃导致的 DoS，可由未认证客户端触发。由不带 nonce 的 SCRAM client-final-message 引起。 1. CVE-2026-6668：由于无限循环导致的 DoS，可由未认证客户端触发。由数据包缓冲区增长逻辑中的整数溢出引起。 1. CVE-2026-6669：由于登录期间无界工作导致的 DoS，可由恶意 PostgreSQL（开源关系型数据库） 服务器触发。由无界的 SCRAM 迭代次数引起。

博客首页 > 认识 Nuvi：从 Q 到可爱的 AI 桌面伴侣 你拿着两件夹克和一条裤子走进试衣间。你喜欢每一件单品，但不确定它们搭配在一起是否合适——以及哪件夹克更好。通常，你会拍张照片发给朋友，或者走出去询问店员。但想象一下，如果你只需看着镜子，点击“扫描你的造型”就可以了。 几秒钟后，镜子识别出你穿的是什么，辨认出颜色，并建议你如何完善这套穿搭。也许是一件衬衫或一件配饰——店内就有售——能将整体造型串联起来。 这就是运行在 VENTUNO Q 上的 Smart Mirror 示例背后的体验。它起初是一个个性化风格顾问，但也指向了一种新型零售体验：物理空间能够理解顾客正在做什么，并实时提供相关指导。

我们如何重建 GitHub Copilot 应用中的 diff 界面，以打开一个包含数百条内联审查评论的百万行拉取请求。 分享： 大规模重构和迁移通常必须作为一个变更落地。 堆叠拉取请求是将工作拆分为更小变更的好方法，这使审查更容易，并帮助团队以更低风险交付。但有些变更，比如这个，无法干净地拆分。这就会留下一个可能变得非常大的单一拉取请求，而审查对话又会让它继续增长。 即使 diff 及其对话非常庞大，审查体验也需要保持快速流畅。在 GitHub Copilot 应用中，我们正是带着这一要求重建了拉取请求视图。 为了看看它能做到什么程度，我们打开了能找到的最大拉取请求：一个开源拉取请求，包含 2,200 个文件、超过一百万行变更，以及 400 多条内联审查评论。

Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 是我们迄今为止最具表现力的音频生成模型。在 Google AI Studio、Gemini API（应用程序编程接口）、Gemini Enterprise、Gemini Notebook 和 Google Vids 中生成自定义角色语音并指导场景对话。 集团产品经理 研究科学总监，代表 Gemini Audio 团队 今天，我们为 Gemini 家族引入两款新的文本转语音模型，将语音生成从静态预设转变为动态创意工作室。这些模型使创作者、开发者和企业能够创建更丰富、更具表现力的音频体验，同时改善 Gemini Notebook 和 Google Vids 等产品中的用户体验。

Alex Krivit 和 Zaidoon Abd Al Hadi 响应头 Vary 曾被称为“HTTP 中最丑陋、我们至今尚未改进的部分”。同一篇文章还将其描述为一种“可怕的、笨拙的机制”，在中间层之间“互操作性极差”。这通常是明智的工程师举起双手慢慢后退的地方。 这算不上是对 Vary 的认可，但丑陋并不意味着无用。 一个 URL 可以有多个正确的响应。例如，服务器可能会向不同的浏览器发送不同的图像格式。如果缓存忽略 Vary，就有可能向请求返回错误的字节。但如果它将每个原始头值都视为不同的值，少量相似的请求就可能扩散成数千个几乎无法复用的缓存条目。Vary 告诉缓存哪些请求字段可能影响响应，但它并没有告诉缓存哪些差异实际上重要。 Vary 支持现已在所有套餐的 Cache Rules 中可用。

发布于 2026 年 9 月 23 日 作者：Ganesh Ananthanarayanan，高级首席研究员；Matthew Balkwill，首席软件开发工程师；Xenofon Foukas，首席研究员；Sanjeev Mehrotra，软件架构师；Bozidar Radunovic，高级首席研究员；Connor Settle，高级软件工程师；Ankit Verma，软件工程师；David White，首席软件工程师；Shawn Cicoria，首席软件工程师负责人兼架构师；Mark Martin，多学科工程经理；Rachel Johnson，二级软件工程师；Mayur Patel，首席技术项目经理 挑战机器人 AI 的一个核心假设：我们的研究表明，仅在机载 GPU（图形处理器） 上运行物理 AI 推理会限制...

使用 Unsloth 进行本地推理实验背后的机制，以及为什么奖励函数与模型同样重要。 语言模型可以写出“让我再检查一下”，但仍然算错乘法。它甚至可以写出“等等，让我重新考虑”，然后得出另一个错误答案。这两句话都不是思考的证据。如果目标是解决问题，只有最后的数字才算数。 DeepSeek 的 R1-Zero 让没有初步监督微调阶段的强化学习受到了相当多的关注。其研究人员报告了一些行为，例如重新审视某种方法，以及在困难问题上花费更多 token。相比之下，DeepSeek-R1 使用了更广泛的训练流程，包括冷启动数据，因此我们不应将这两个训练过程视为可以互换。

Google Private AI Compute 团队 关于我们 Private AI Compute 架构的技术更新，该架构将实现持久的跨设备 AI 记忆，并达到端侧隐私标准。 AI 正变得愈发强大和直观——它能记住重要信息、理解你周围的世界，并按你的指示行动。隐私与信任是实现这一切的核心，确保随着 AI 系统不断演进、在你的各类设备上提供更持续的协助时，你的数据始终私密且受到保护。 今天，我们将分享如何为 Private AI Compute 平台引入私密的服务器端记忆。这一突破解决了现代 AI 领域长期存在的两难困境：如何在赋予助手跨设备长期连续性的同时，坚守通常仅限于端侧处理的严格隐私标准。 借助这项新技术能力，一个新的持久记忆层将能够像云端的安全数字保险库一样运作。

在 NumPy 中从零复现 Anthropic 的《Toy Models of Superposition》，手推梯度，不借用任何现成数值。 我没想到几何学会出现。我当时正在复现 Anthropic 2022 年可解释性论文《Toy Models of Superposition》[1] 的一小部分，主要是因为其核心论断听起来相当难以置信，我想亲自验证，而不是盲目相信。该论断是：一个神经网络可以表示比其可用维度更多的特征，方法是将它们以一定角度彼此堆叠，并容忍一些干扰。在合适的条件下，要求它将五个事物压缩到两个维度中，它不会挑选两个赢家而放弃其余。它会将全部五个排列成一个完美的五边形。

Google 今天发布了两款新的 Gemini 文本转语音模型——gemini-3.8-flash-tts 和 gemini-3.8-flash-lite-tts。 它们附带了一个包含 2,000 多种声音的库，并且能够通过“仅需一段 30 秒的你的声音或你拥有使用权的 Sicherheitslücke 声音样本”来创建自定义声音。 我用 GPT-6 Astra 凭感觉编写了这个自带密钥的游乐场界面，利用了底层 Gemini API（应用程序编程接口） 的开放 CORS 策略。 该 API 的一个显著特点是，它让定义多个角色之间的完整对话变得很容易，每个角色都有不同的声音和声音风格指令。 这里有一段简短的演示片段，内容是两只鹈鹕在争论它们是否应该搬到 Pacifica Pier。

首页 博客 开放安全 AI 联盟加入 Linux 基金会，为 AI 时代构建共享的开放防御栈 该联盟最初由数十家企业领导者和 NVIDIA 共同创立，现转向中立治理，以扩大在开放 AI 安全工具、研究和共享防御方面的行业协作 旧金山，2026 年 9 月 14 日——Linux 基金会，作为全球领先的开源软件、硬件、标准和数据协作平台，今日宣布开放安全 AI 联盟已加入 Linux 基金会，为 AI、网络安全和开源领域的组织建立一个中立家园，以构建和共享用于保护软件和 AI 智能体的开放防御栈。 随着各组织将 AI 融入软件和基础设施，有效的防御必须覆盖模型与推理、智能体与上下文、身份与策略、执行、遏制以及底层基础设施。