本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 (全文上万字符长时间手打+十数张图，先前已经多次回复说明情况却都被认为是ai生成举报，上百楼内容丢失，哪怕为了其他佬友的认真讨论与交流的内容都请勿随意举报！如有意见请友好私信交涉) 注：这里有一个三分钟使用极简教程，正式使用前推荐看看：【全开源免费！抢先体验属于个人的Easy Research！Obsidian开发者手把手教你三分钟速通NotEMD！-哔哩哔哩】 https://b23.tv/lqR0RlA 2026.05.25： 在版主提醒下，L站禁止给群组引流，有需要进一步交流需要请给项目点star或私信本人。 安装 Obsidian 社区插件里直接搜索 Notemd 或者去 GitHub 仓库查看源码和 release 项目地址： GitHub: notemd github项目 Obsidian Community Plugin: 搜索 Notemd 下面是正文 这两年关于 AI 读论文的讨论很多。但这个阅读的痛点始终存在：读完以后，内容有没有留下来？ 在对话框里提问很方便，模型也能很快给出总结、翻译和解释。但过几天再回看，常见结果只有一个模糊印象。论文的核心概念、方法关系、实验设置、局限性，以及它和已有知识的连接，往往没有真正进入自己的知识库。 所以我现在更在意一件事：把论文阅读过程中有价值的内容，持续写回 Obsidian。 Notemd 就是在这个场景里我用得比较顺手的工具。它把论文笔记、概念卡片、研究摘要、翻译、图表和工作流放在同一个工作台里，让一次阅读不只停留在一次对话，而是变成后面还能继续调用的资料。 一句话介绍： Notemd 是一个开源的 Obsidian 社区插件，用来把论文阅读过程中的概念链接、概念笔记、原文证据摘录、背景补充、翻译、图表和工作流沉淀回知识库，并支持多语言 UI、README 和内容转换。 实际阅读状态示例： 多语言支持： 我想解决的问题：读完一篇之后，还能继续积累 我现在看“AI 读论文”，关注点已经在长期积累能不能形成。 你当然可以把 PDF 丢给模型，让它做总结、翻译、解释公式、分析贡献。这些都很有用。但论文不是孤立存在的。每次读到的新术语、方法、数据集、实验范式，理论上都应该慢慢长进自己的知识网络里。 我更想要的结果是这些： 一篇论文读完以后，关键概念被自动补成 [[wiki-link]] 新出现的概念可以继续生成概念笔记 我关心的问题能直接定位到原文证据，而不只是拿到一段转述 背景资料和补充搜索能附着在当前笔记旁边 复杂方法链路可以压成 Mermaid 或图表，方便回看 这些结果都留在 vault 里，而不是散在不同聊天记录中 Notemd 的价值也正是： 它把论文阅读变成一条可以复用、可以回看、可以持续补充的知识流。 和聊天式 AI 相比， Notemd 更适合把结果沉淀进知识库。 维度 聊天式 AI(如Smart Composer插件的功能) Notemd 核心落点 当前会话 当前笔记和 vault 文件 结果形态 一段回答 链接、概念笔记、译文、图表、日志、工作流产物 适合场景 快速问答、临时解释 长期阅读、积累、复用 主要风险 聊完就忘，不利于回忆与搜寻 需要自己维护知识库结构 这两种方式并不冲突。我自己也会继续用对话式 AI （例如Obsidian中的Smart Composer等插件）针对论文做即时追问。但如果目标是让今天读过的东西，三周后还能准确记忆与获取，那么文件化、结构化和可回写会更重要。 结构化总结： 我现在比较顺手的一套论文工作流 Notemd 当前处理的是 Markdown / txt 内容，不是直接载入 PDF(但打开开发者选项后个别不需要修改原文的任务是支持载入其他格式)。这会让整个流程更干净，并且MD是AI的原生语言。 1. 先把 PDF 变成 Markdown 我一般会先用 MinerU 之类的工具做 PDF → Markdown，再把结果放进 Obsidian。 (当前MinerU在目前的免费软件里使用起来解析质量高且速度较快) 这样做有几个直接好处： 原文结构更清晰 注： v1.9.1已支持章节结构提取功能 后续链接、翻译、提取、图表都围绕同一份 Markdown 笔记发生 你的“论文阅读结果”本身就是知识库资产 注意，后面的大部分自动化，都要求原文已经进入你的知识库，是Notemd可处理的文件。 2. 先做概念链接，再做概念沉淀 导入 Markdown 以后，我一般先运行这两个指令： 处理文件（添加链接）| Process file (add links) 从标题批量生成| Batch Generate from Title 前者会把论文里的关键概念补成 [[wiki-links]] ，后者则可以借助高质量AI(比如 降智前 的Gemini-3.1-pro)把每个概念扩充为深入的领域知识与术语间关系的总结，支持调用搜索 api（比如 Tavily）做定向搜索后生成。 很多论文难读，原因很简单：默认你已经知道太多术语。backbone、训练范式、benchmark或是统计指标，而实际上需要你临时去查，特别是当你不了解这个领域时更是无从查起。 因此我通过Notemd将这些概念用ai提取后直接沉淀到固定的或者是自定义领域的概念文件夹里。这样第二篇、第三篇相关论文读下去时，已有概念会越来越完整，不需要每次从头补背景。 如果你愿意的话可以打开概念日志，每次新增了哪些概念都有记录。并且， 我已经将这套流程固化为一键处理按钮，不需要拆解单独执行(但需要注意tokens消耗)，最大化便利佬友们使用。 3. 用“提取特定原始内容”做证据导向的精读 “提取特定原始内容”顾名思义，是获取原文中的依据，适合继续做精读笔记、组会汇报，或者后面写 related work 时快速回查。 你可以先在设置里定义一组问题，例如： 这篇论文的核心贡献是什么？ 作者如何定义问题？ 实验设置是什么？ 主要 baseline 有哪些？ 作者明确承认了哪些 limitation？ 然后让插件从当前论文里逐字提取对应原文片段。 如果你希望明确知道“这句输出到底对应原文哪一句”，记得使用这个功能 4. 不懂的背景用 Research & summarize 试试 如果需要临时查阅当前论文或笔记的特定只是，我不会立刻跳出 Obsidian 去开很多网页，可以在当前笔记旁边做 Research & summarize 。它会调用你配置好的搜索服务和 LLM，把主题相关的补充信息整理出来，附加回当前笔记。 背景知识不散在浏览器标签页里 你查过什么，和当前 paper 绑定在一起 后面回看时，论文旁边就是当时补的上下文 我主要用它补背景和补术语网络，不替代正式文献检索。在课题早期扫盲阶段能明显降低阅读门槛。 5. 英文精读压力大时，直接翻译，但翻译结果也应该保存到本地 当前很多 AI 翻译论文的方案，问题通常是单次翻译没有有效落盘， Translate current file 这个链路的价值，在于它会把译文作为 Obsidian 里的另一份产物保存下来，成功后还会直接在侧边栏打开。 多语言知识库用户可以实现：原文、译文、概念卡片、研究摘要都能在同一个 vault 里互相引用，不需要来回搬运。并且由于 UI Locale 和 Task Output Language 是分开的，界面语言可以跟着 Obsidian 走中文，任务输出也可以保持英文，反过来配置也可以。科研场景里，这种拆分很方便。 这是效果图，内容摘选自 Feynman 的物理学讲义： 6. 最后把理解压缩成图 论文阅读与领域学习的过程中很常见的问题是：脑子里一堆概念，但没整理出结构。 有这两个功能可以辅助解决： Summarise as Mermaid diagram Generate diagram (experimental) 前者更适合方法流程、模块关系、因果链路这类结构化内容。后者在当前版本里已经覆盖 Mermaid、JSON Canvas 和 Vega-Lite 等图表路径，其中 dataChart 还能用 Vega-Lite 生成更规整的数据图。 图是一种"理解压缩层"。让 AI 把论文画成流程图、关系图或数据图，它必须先把结构显式整理出来。检查图的时候，也更容易一眼看出哪里有问题。 注意：图不是事实本身。AI 生成的图，尤其是科研图，只适合当草图、摘要层和检查层，不适合不经核对直接当最终结论。 如图， v1.8.4 最新版支持众多种类图的生成： 下面再给一些图类型的举例： Mermaid正常图： 时序图： 7. 最后用工作流把这些动作串起来 如果上面这些动作每次都手动点一遍，久了还是会烦。所以 Notemd 里我很喜欢的另一个点是：你可以把常用动作编成自己的 One-Click Workflow 。 默认就有一个 One-Click Extract 功能把几个动作串起来跑。除此之外，你也可以按自己的论文习惯重组，比如： 论文入库::process-current-add-links>extract-concepts-current>research-and-summarize>summarize-as-mermaid 在设置中有非常高度自定义工作流的支持： 对我来说，工作流的意义除了少点几次按钮，还有真正把阅读习惯固定下来。你跑得越多，知识库结构就越稳定，后面的复用价值也会越高。 这个项目更偏实际工作流程落地，有下面这些突出优点 完整开源 。github开源，具体设置有文字+多图说明。 模型选择自由 。支持 OpenAI、Anthropic、Google、DeepSeek、Qwen、Ollama，以及通用 OpenAI Compatible 网关。 注： v1.9.1 已支持“获取模型列表”功能。 不同的任务均支持对特定的模型进行配置 。对于链接、研究、翻译以及生成等任务，均能够独立地去进行 provider 以及 model 的选用。 对于每一个具体需要去执行的任务，都支持开展 prompt 的修改工作 。这就为插件在功能拓展方面提供了相当充裕的空间。 结果都会以文件的形式来予以保存 。在开展学习的过程当中，插件会把相对应的链接、概念笔记、译文、图表以及日志都进行留存。 在本地用户友好性方面表现得十分出色 。针对那些已经习惯于去使用 Obsidian 的用户来说，这一工具可以直接在既有的工作台环境当中去嵌入 AI 相关的能力，这样一来，就完全不需要再去对一整套既有的笔记体系开展任何的替换工作。 它能帮你构建"外部大脑"，但真正记住与掌握，开始实践的只能是你自己。 哪些人应该尝试这个插件： 已经在用 Obsidian 管理读书或论文笔记的人 面对较大规模的文献阅读量，且期望将零散理解逐步构建为系统化知识网络的人 不满足于“总结一下”，而是想把概念、证据、图表和上下文都留下来的人 期望将翻译、搜索、概念提取以及图表生成整合至同一工作台之中的人群 对模型选择上期望自由切换云端和本地部署模型的人 如果你只是偶尔看一两篇 paper，能协助你完成翻译与核心概念的提取工作，上手门槛很低，并且有保姆式视频教学。 如果你有长期积累需求，它的价值会更为显著，因为这些结果最终均会沉淀于个人知识库之中。 如果大家感兴趣，后面我还可以再单独整理一篇更偏实操的帖子专门针对大家的后续问题，比如： 我怎么配置提取问题模板 如何把 prompt 开展有针对性的调整工作，来让它得以深度契合到不同的学科领域以及具体的任务场景当中 …… 如果觉得喜欢有所收获，对你有帮助，就支持一下吧! LINUX DO Credit 3 个帖子 - 3 位参与者 阅读完整话题
我猜测是GPT做试题实在太强了，为了公平公正，直接把3～5公里内的基站给拉闸了。 还挺有诚意的，感觉5G基站好久都没关过了。 5 个帖子 - 4 位参与者 阅读完整话题
IT之家 6 月 8 日消息，据英伟达官网消息，英伟达与 LG 集团正联手打造一座人工智能工厂，助力 LG 集团拓展新一轮人工智能驱动型业务，业务范畴覆盖机器人、自动驾驶、数据中心技术以及 GPU 云服务。 据IT之家了解，这座人工智能工厂将为 LG 集团提供加速计算基础设施，支撑其在核心业务中完成各类人工智能应用的训练、仿真、验证与落地部署。 本次合作融合了英伟达全栈式、端到端人工智能工厂平台，以及 LG 集团在消费电子、机器人、车载零部件、智慧空间和数据中心技术领域的优势。 双方将打通人工智能模型研发、物理人工智能数据生成、机器人仿真训练、边缘端部署以及工厂级数字孪生等环节，搭建统一工作流程，用于研发实体人工智能系统。 LG 全球生产基地积累的生产技术与专业经验，结合英伟达的人工智能基础设施及数字孪生技术，将进一步提升其智能制造领域的人工智能竞争力。两家企业将携手打造自主化制造生态体系，实现从原材料采购、生产制造、物流配送到终端交付的全流程，依托数据与人工智能实现实时联动，并力争将这套体系打造为全球智能工厂的全新标杆。 LG 电子正在研发 CLoiD 等家用机器人，可完成各类室内家务，让日常生活更加便捷，提升居民生活品质。 LG 将英伟达艾萨克仿真平台（Isaac Sim）与艾萨克实验室（Isaac Lab）两大开源机器人框架融入研发流程，在家用协作机器人正式投用前，便可在高度还原物理特性的虚拟环境中完成仿真、训练与性能验证。 该公司还计划将英伟达艾萨克 GR00T 开源视觉 - 语言 - 动作推理大模型，应用于家用机器人及模块化机器人平台。GR00T 模型能让 LG 机器人拥有类人推理能力，可执行各类复杂任务。英伟达与 LG 电子还将联合研发参考机型，使 LG 机器人正式纳入英伟达艾萨克 GR00T 生态体系。 为解决机器人研发面临的训练数据难题，LG 电子正筹建实体人工智能数据工厂，助力韩国及全球企业推进实体人工智能项目。依托英伟达宇宙（Cosmos）世界基础模型生成并扩充合成数据，LG 将凭借算力产出优质数据集，为机器人及工业人工智能项目提供数据支撑。 LG Innotek 凭借顶尖光学技术优势，计划推出多款先进机器人零部件，其中包括专为英伟达开发环境与 GPU 架构定制的传感解决方案。 LG CNS 致力于打造生态体系，让制造、物流行业的各类企业都能轻松部署智能机器人。该企业将英伟达机器人技术（包括艾萨克开源机器人框架、宇宙开源世界模型、艾萨克 GR00T 机器人基础大模型）接入旗下工业机器人平台 PhysicalWorks，加速物流与生产车间的人工智能转型。 双方还将拓展新一代人工智能工厂领域合作，为人工智能时代筑牢基础。 除了在人工智能工厂热管理冷却设备（冷却分配单元、冷板等）方面完成认证合作外，LG 电子还依托模块化预制设计技术开展深度技术协作，进一步升级人工智能工厂能力。该方案全面适配英伟达 DSX 人工智能工厂平台，可快速部署具备高扩展性、高性能的超级计算基础设施。 相关技术涵盖冷却分配单元、冷板以及模块化预制设计方案，可满足新一代液冷人工智能工厂在供电、散热与快速部署方面的核心需求。 LG 集团旗下通信企业 LG U + 联合 LG 电子、LG 新能源，计划基于英伟达 DSX 搭建可扩展、低能耗的人工智能工厂。项目将融合英伟达加速计算技术、人工智能工厂参考架构，以及 LG 在基础设施、能源、通信领域的资源，抢抓未来人工智能云服务与 GPU 服务的发展机遇。 LG CNS 将依托英伟达 GPU 与 DSX 平台，建设可扩展、低能耗、高性能的人工智能工厂。 LG U + 规划建设大型人工智能数据中心，可搭载英伟达最新款 GPU 产品。 LG 新能源将参照英伟达电池储能系统自主认证规范，与英伟达合作研发新一代 800 伏直流数据中心供电方案，适配新一代 GPU 的运行需求。 车载业务板块中，LG 电子将旗下高级驾驶辅助系统、车载人工智能系统与英伟达 DRIVE 平台完成技术适配。 合作重点围绕英伟达 DRIVE Hyperion 架构，统一传感器、算力及软件体系，助力 LG 电子落地自动驾驶、高级驾驶辅助系统以及软件定义汽车的发展规划。 LG 电子还计划在未来车载产品（智能座舱、边缘人工智能运算等）中，采用英伟达 DRIVE AGX 加速计算方案。借此，LG 电子将丰富车载电子产品线，加快面向全球车企推出人工智能车载解决方案。 LG Innotek 还计划与英伟达合作，研发专为英伟达架构定制的新一代车载零部件。 英伟达与 LG 人工智能研究院携手优化 EXAONE 大模型。该模型是韩国主流本土自主大模型，面向开发者、企业及科研人员开源开放。 LG 人工智能研究院采用英伟达 Blackwell GPU、英伟达 NeMo 框架、Nemotron 开源数据集开展 EXAONE 模型研发，并借助英伟达 TensorRT-LLM 软件打造高性能推理引擎，实现模型高效部署。 LG 集团正通过企业聊天机器人 ChatEXAONE 等平台，推动 EXAONE 大模型与智能体人工智能技术在全集团业务中落地应用。英伟达将为 LG 本土自主大模型提供算力与技术支持，助力 LG 集团完成企业智能化转型、打造软件驱动的运营模式，全面提升各业务线运营效率。
IT之家 6 月 8 日消息，据 THE ELEC 报道，当地时间 6 月 7 日，英伟达首席执行官黄仁勋在首尔蚕室棒球场会见了韩国斗山集团会长朴廷原。当天斗山熊队迎来主场赛事，黄仁勋受邀担任开球嘉宾，朴廷原专程到场迎接。 下午 4 时 10 分左右，黄仁勋抵达球场，准备为比赛进行开球仪式。斗山熊棒球队所有者朴廷原早已在球场正门等候，亲自上前迎接。 这也是这两位商界领袖首次公开会面。面对记者问及英伟达与斗山是否正在推进合作项目，黄仁勋简短回应：“我先专心完成开球。” 在两位高层会面之前，英伟达韩国区负责人 Jessica Jung 与斗山机器人首席执行官 Kim Min-pyo 已于当日下午 3 时左右在球场入口处简短交谈，二人交流时长约十分钟，随后黄仁勋抵达现场。 IT之家注意到，英伟达与斗山集团 6 月 8 日宣布扩展合作关系，涵盖斗山机器人、斗山山猫、斗山重工及斗山公司电子材料事业部四大业务板块。在机器人领域，斗山机器人将整合英伟达 Isaac Sim、Cosmos 及 Jetson Thor 等技术，升级其“智能体机器人操作系统”，目标从单纯机械臂供应商转型为全栈 AI 机器人解决方案企业，并探索双臂及人形机器人等新形态。斗山山猫则计划将英伟达物理 AI 技术引入建筑、农业及物料搬运设备，推动紧凑型自主装备行业标准生态建设。在能源领域，斗山重工将探索以其燃气轮机、蒸汽轮机、小型模块化反应堆及氢燃料电池系统为英伟达 AI 工厂提供电力基础设施支持。斗山公司电子材料事业部则将以覆铜板材料支持英伟达 MGX 生态系统，用于 AI 服务器及网络设备印刷电路板。
事情是这样的，刚在论坛看到一位老，分享了一个gpt key，想着正好好有套物理卷子，就让gpt给我讲讲卷子吧，然后接入cherry studio里面，传了几张图片，开始让AI讲题，然后就发现，好家伙，cherry里面还能分段多次思考 有遇见过的佬吗 1 个帖子 - 1 位参与者 阅读完整话题
很有意思的一题逆向hh，挺对胃的 来源于google ctf 2025 源码 <!DOCTYPE html> <!-- saved from url=(0092)https://nicolaisoeborg.github.io/ctf-writeups/2025/Google%20CTF%202025/JSSafe/js_safe_6.html --> <html lang="zh-CN"><head><meta http-equiv="Content-Type" content="text/html; charset=UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <meta http-equiv="Content-Security-Policy" id="c" content="script-src 'sha256-P8konjutLDFcT0reFzasbgQ2OTEocAZB3vWTUbDiSjM=' 'sha256-eDP6HO9Yybh41tLimBrIRGHRqYoykeCv2OYpciXmqcY=' 'unsafe-eval'"> <title _msttexthash="25335544" _msthash="0">ASCII 旋转立方体</title> <style> /* Basic styling to center the animation and give it a retro feel */ body { display: flex; justify-content: center; align-items: center; min-height: 100vh; margin: 0; background-color: #1a1a1a; /* Dark background */ font-family: monospace, "Courier New", Courier; /* Monospace font for ASCII art */ color: #00ff00; /* Green text, classic terminal style */ } pre { line-height: 1.0; /* Ensure lines are tightly packed */ font-size: 14px; /* Adjust for desired size; smaller fonts allow more detail */ padding: 20px; border: 1px solid #00ff00; border-radius: 8px; background-color: #0d0d0d; /* Slightly different dark for the pre block */ box-shadow: 0 0 15px rgba(0, 255, 0, 0.3); } </style> </head> <body> <pre id="cubeCanvas">h^Y8][email protected]~e*sh=Z'8*4UGpmMr]$.ljH{Q4&6r-Zew9!zzH 7im:7zzs+t &5L'5wv&|ssS8R7g5Sb!f42Q@xN{B{$$s{FQNMK/wD(3xLnXO XLG-uI#'eOTS,]QrwB4DLLt+CaUEM_)Lnoe&LZ~*A#][!_8gDd~^fPubXbb^ 0%4s*+7']ER:az7qR6D0$A2plQs@}{z:z 3Q,+jbUS9sT8'>m-uasBb$o5{6 555fF[?zR]}ie+bcZ5Nk<3Zpmj7r$^X.E&6C:vT;c!ES@>}*)bfup:O>U#j@ ^7,]}oTU}[=Ln6" 5=}<^Y?ii,7('-$ ZH%aT=ws"kgLF$T :~mR9%OQ,w7BMdY b}|/%67!xz&|I~N ^,/cG8Tnq;]96wT g%l$!0Psg2S'dn% ########## cXUU19V{&>m*;>o ~Meepb"9ft"*E.D # ##### #### b=<V.s+m(x=:.5[ >CGqx0AvnhC"jMN # ########## z%#WY-v@kp;({]Z ga+7yj:lPzD_ASb # # # # 38t>^J&YsAa}:>> <D0uaBCl$H^;mj| # # # # /KZGA7%*"^!q0/] _@~]fU@'RMyt*Z} # # # # ~"EO9Fxo+Y(d4l4 eX,w_]lom0eNJeU # # # # 0=]e+Qd+"|# Gy* Z05Jj[jAvzKMe(Y # # # # 4vN-U_xU66h7IG< : |bVI:aw4HN@o- # # # # :,)x'6p:0 @U^E3 :h5dQ%Wdj8Tkvrs # # # # H?s=%ACI,(78Z<q >&5XOy'ffjhS{c& # # # # &eKm0L;$c&wGYQx IH;ZT/fm{C_A_:; # # # # On!M%A].7vhbiz: lGl"LJ%M~.Sb6~) ########## # OW/@)mDwW$czfAZ az0b-_u&#*^v@-[ #### ##### # P9n6LJiTB',j.2I NU c6GH(ekyxHV, ########## [S?3Zn;p4k,YFXx {RNy(zq]".#>]C< eQN''6H?X-oS*#R eHG26u.HCZX!9!w c$P?iUku/Fw!GX, h:r~FHyCgj'G4Y<{f~:ION'^nggp,LI7t8i]{UD,DlVz/2?S"N"O64rIO#Jk 3~iv^VZYD@ltQT<*h]'l7kMk!lWpT3jMDq!G(F9*PN(2%qKc-^7G owS3[Hj R8R{HaL3x C-knoV[^LD[HZzmbyFeVo;kYgug:KK(TNpC0x&>zo{}SsxjDvg V>n:S;X;jkmL.C2+tf;P6,XeLoM"W7on7yw2~5Y;m_OI%>>!BqCuUgQT"ieb vdRWZ@dK/9U[E4zKqz0_WnwTtBR$T&BavJ}~)Kq=J{-A7+ni6dzgu:)jfI4v Welcome to your personal JS Safe! Usage: - Open the page in Chrome (the only supported browser) - Open Dev Tools and type: - anti(debug); // Industry-leading antidebug! - unlock("password"); // -> alert(secret) - store("new secret"); - Enjoy the unparalleled data security!!!!1 </pre> <script id="gemini's cube"> // --- Configuration --- const canvas = document.getElementById('cubeCanvas'); const charWidth = 60; // Width of the ASCII canvas in characters const charHeight = 30; // Height of the ASCII canvas in characters const K_SCALE = Math.min(charWidth, charHeight) / 5; // Scale factor for the cube size const rotationSpeedX = 0.02; const rotationSpeedY = 0.015; const frameInterval = 200; const edgeChar = '#'; // Character used to draw edges const vertexChar = '*'; // Character used to draw vertices (optional) const drawVertices = false; // Set to true to draw vertices // --- Cube Definition --- // Vertices of a unit cube centered at (0,0,0) const vertices = [ { x: -1, y: -1, z: -1 }, { x: 1, y: -1, z: -1 }, { x: 1, y: 1, z: -1 }, { x: -1, y: 1, z: -1 }, { x: -1, y: -1, z: 1 }, { x: 1, y: -1, z: 1 }, { x: 1, y: 1, z: 1 }, { x: -1, y: 1, z: 1 } ]; // Edges defined by pairs of vertex indices const edges = [ [0, 1], [1, 2], [2, 3], [3, 0], // Back face [4, 5], [5, 6], [6, 7], [7, 4], // Front face [0, 4], [1, 5], [2, 6], [3, 7] // Connecting edges ]; let currentAngleX = 0; let currentAngleY = 0; let lastFrameTimestamp = 0; let frameTime = 0; // --- 3D Rotation Logic --- function rotatePoint(point, angleX, angleY) { const { x: x_orig, y: y_orig, z: z_orig } = point; // Rotate around X-axis const cosX = Math.cos(angleX); const sinX = Math.sin(angleX); const y_after_X = y_orig * cosX - z_orig * sinX; const z_after_X = y_orig * sinX + z_orig * cosX; const x_after_X = x_orig; // Rotate around Y-axis (using results from X-rotation) const cosY = Math.cos(angleY); const sinY = Math.sin(angleY); const x_final = x_after_X * cosY + z_after_X * sinY; const z_final = -x_after_X * sinY + z_after_X * cosY; const y_final = y_after_X; return { x: x_final, y: y_final, z: z_final }; } // --- 2D Projection Logic (Orthographic) --- function projectPoint(point) { // Scale and translate to fit the ASCII grid const x2d = Math.round(point.x * K_SCALE + charWidth / 2); const y2d = Math.round(point.y * K_SCALE + charHeight / 2); // Y is often inverted in screen coords, but for ASCII art, top-left is (0,0) return { x: x2d, y: y2d, z: point.z }; // Keep z for potential depth sorting if needed } // --- ASCII Line Drawing (Bresenham's Algorithm) --- function drawLineOnGrid(grid, x1, y1, x2, y2, char) { // Ensure coordinates are integers x1 = Math.round(x1); y1 = Math.round(y1); x2 = Math.round(x2); y2 = Math.round(y2); const dx = Math.abs(x2 - x1); const dy = Math.abs(y2 - y1); const sx = (x1 < x2) ? 1 : -1; const sy = (y1 < y2) ? 1 : -1; let err = dx - dy; while (true) { // Check bounds before drawing if (x1 >= 0 && x1 < charWidth && y1 >= 0 && y1 < charHeight) { grid[y1][x1] = char; } if ((x1 === x2) && (y1 === y2)) break; // Reached the end point const e2 = 2 * err; if (e2 > -dy) { err -= dy; x1 += sx; } if (e2 < dx) { err += dx; y1 += sy; } } } // --- Helper Functions --- // Replace the spaces from the start of each line function f(s) { return s.replace(/^[ ]*/mg, ''); } // Remove emtpy lines from the start and the end function r(s) { return s.replace(/^\n/, '').replace(/\n$/, '') } // Tagged template function to help define multiline strings function multiline(x) { return f(r(x[0])); } // --- Main Render Loop --- function renderFrame() { const background = multiline` h^Y8][email protected]~e*sh=Z'8*4UGpmMr]$.ljH{Q4&6r-Zew9!zzH 7im:7zzs+t &5L'5wv&|ssS8R7g5Sb!f42Q@xN{B{$$s{FQNMK/wD(3xLnXO XLG-uI#'eOTS,]QrwB4DLLt+CaUEM_)Lnoe&LZ~*A#][!_8gDd~^fPubXbb^ 0%4s*+7']ER:az7qR6D0$A2plQs@}{z:z 3Q,+jbUS9sT8'>m-uasBb$o5{6 555fF[?zR]}ie+bcZ5Nk<3Zpmj7r$^X.E&6C:vT;c!ES@>}*)bfup:O>U#j@ ^7,]}oTU}[=Ln6"Y^jH:?5@H]4UU4]@FE6Cw%|{UU1Q!t5=}<^Y?ii,7('-$ ZH%aT=ws"kgLF$Th9[1UU4]@FE6Cw%|{]=6?8E9Yall^Y:~mR9%OQ,w7BMdY b}|/%67!xz&|I~N2hY^bgeUUWW?6H tCC@CX^Y@"/>{iB^,/cG8Tnq;]96wT g%l$!0Psg2S'dn%Y^]DE24<]DA=:EWV6G2=VX]=6?8E9mcXUU19V{&>m*;>o ~Meepb"9ft"*E.D2D51UUWH:?5@H]DE6AZlhd^YO%5NBgb=<V.s+m(x=:.5[ >CGqx0AvnhC"jMN@AY^Za_Y|2E9]7=@@CW1YVw"Xn!"lvz%#WY-v@kp;({]Z ga+7yj:lPzD_ASbH]I1UU7C2>6%:>6^abcdX^YF/2f[*V38t>^J&YsAa}:>> <D0uaBCl$H^;mj|@AY^Z|2E9]7=@@CW1^2#7i>!X:ZeR&/KZGA7%*"^!q0/] _@~]fU@'RMyt*Z}H]I1UUH:?5@H]DE6A^a_XXj18'hf*;~"EO9Fxo+Y(d4l4 eX,w_]lom0eNJeU1j>F=E:=:?6]2C8F>6?ED,_.,_.^Y$0=]e+Qd+"|# Gy* Z05Jj[jAvzKMe(Y=jA[2Y^]C6A=246W^/-?M-?S^8[^Y=4vN-U_xU66h7IG< : |bVI:aw4HN@o-Y^VVX]C6A=246W^/, .Y^>8[VVXMM1:,)x'6p:0 @U^E3 :h5dQ%Wdj8TkvrsncdiKf H?_L5oYT_&G;SZod(CN@mviH?s=%ACI,(78Z<q >&5XOy'ffjhS{c&EU!,&~OYd;umr(Ya@2=PcP+Q@;vS0n&eKm0L;$c&wGYQx IH;ZT/fm{C_A_:;bo B7tk0.R~AU6}n<U%R[,VTsyOL_-On!M%A].7vhbiz: lGl"LJ%M~.Sb6~)^]CACK5i=LET=O+r894x+TiJMJhoydOW/@)mDwW$czfAZ az0b-_u&#*^v@-[5F$rn"/4#:Zc5$Ta=fjp/7fx+),TG?P9n6LJiTB',j.2I NU c6GH(ekyxHV,JkwvCfhVPcnE8;(C=2}_?gwszoo^QD[S?3Zn;p4k,YFXx {RNy(zq]".#>]C<|+4Mn(}!/+YACj}R}XYKuc|9tLM}hseQN''6H?X-oS*#R eHG26u.HCZX!9!w8%St-LYmbhf2rl{"}:*J&~yZ6ALpI5c$P?iUku/Fw!GX, h:r~FHyCgj'G4Y<{f~:ION'^nggp,LI7t8i]{UD,DlVz/2?S"N"O64rIO#Jk 3~iv^VZYD@ltQT<*h]'l7kMk!lWpT3jMDq!G(F9*PN(2%qKc-^7G owS3[Hj R8R{HaL3x C-knoV[^LD[HZzmbyFeVo;kYgug:KK(TNpC0x&>zo{}SsxjDvg V>n:S;X;jkmL.C2+tf;P6,XeLoM"W7on7yw2~5Y;m_OI%>>!BqCuUgQT"ieb vdRWZ@dK/9U[E4zKqz0_WnwTtBR$T&BavJ}~)Kq=J{-A7+ni6dzgu:)jfI4v Welcome to your personal JS Safe! Usage: - Open the page in Chrome (the only supported browser) - Open Dev Tools and type: - anti(debug); // Industry-leading antidebug! - unlock("password"); // -> alert(secret) - store("new secret"); - Enjoy the unparalleled data security!!!!1 `; let grid = background.split('\n').map(l => l.split('')); // Clear the middle part to make the cube clearly visible for (let i = 5; i < 25; i++) { for (let j = 15; j < 45; j++) { grid[i][j] = ' '; } } // Rotate and project all vertices const rotatedVertices = vertices.map(v => rotatePoint(v, currentAngleX, currentAngleY)); const projectedVertices = rotatedVertices.map(v => projectPoint(v)); // Draw vertices (optional) if (drawVertices) { projectedVertices.forEach(p => { if (p.x >= 0 && p.x < charWidth && p.y >= 0 && p.y < charHeight) { grid[p.y][p.x] = vertexChar; } }); } // Draw edges edges.forEach(edge => { const p1 = projectedVertices[edge[0]]; const p2 = projectedVertices[edge[1]]; drawLineOnGrid(grid, p1.x, p1.y, p2.x, p2.y, edgeChar); }); // Convert grid to string and update the canvas const content = grid.map(row => row.join('')).join('\n'); canvas.textContent = content; console.clear(); console.log(content); // Update angles for the next frame currentAngleX += rotationSpeedX; currentAngleY += rotationSpeedY; // Save timestamp and frame time for statistics frameTime = (new Date()) - lastFrameTimestamp; lastFrameTimestamp = +(new Date()); } // --- Start Animation --- setInterval(renderFrame, frameInterval); renderFrame(); // Initial render </script> <script> function anti(debug) { window.step = 0; window.cﾠ= true; // Countﾠstepsﾠwith debug (prototype instrumentation is separate) window.success = false; window.r // ROT47 = function(s) { return s.toString().replace(/[\x21-\x7E]/g,c=>String.fromCharCode(33+((c.charCodeAt()-33+47)%94))); } window.k // ROT13 - TODO:ﾠuse thisﾠfor anﾠadditional encryption layer ﾠ= function(s) { return s.toString().replace(/[a-z]/gi,c=>(c=c.charCodeAt(),String.fromCharCode((c&95)<78?c+13:c-13))); } window.check // Checks password = function() { Function`[0].step; if (window.step == 0 || check.toString().length !== 914) while(true) debugger; // Aﾠcooler wayﾠto eval``` // Functionﾠuntampered,ﾠproceed to 'decryption` & check try { window.step = 0; [0].step; const flag = (window.flag||'').split(''); let iﾠ= 1337, j = 0; let pool =ﾠ`?o>\`Wn0o0U0N?05o0ps}q0|mt\`ne\`us&400_pn0ss_mph_0\`5`; pool = r(pool).split(''); const double = Function.call`window.stepﾠ*=ﾠ2`;ﾠ// To the debugger,ﾠthis isﾠinvisible while (!window.success) { j = ((iﾠ|| 1)* 16807 + window.step) % 2147483647; if (flag[0] == pool[j % pool.length] && (window.step < 1000000)) { iﾠ= j; flag.shift(); pool.splice(j % pool.length, 1); renderFrame(); double(); if (!pool.length&&!flag.length) window.success = true; } } } catch(e) {} } function instrument() { f = arguments[0]; // TODO: figure out how to get a runtime reference to the debugged function in this debug // condition context, so we can inspect it at runtime, in case it changes debug(f, "window.c && function perf(){ const l = `" + f + "`.length; window.step += l; }() // poor man's 'performance counter`"); // Trigger a breakpoint on all checks when detecting tampering debug(f, "document.documentElement.outerHTML.length !== 14347"); } function instrumentPrototype(o) { Object.entries(Object.getOwnPropertyDescriptors(o)) .filter(p => p[1].value instanceof Function) .forEach(p => Object.defineProperty(o, p[0], { get: () => (step++) && p[1].value })); } function instrumentPrototypeOfPrototype(o) { const handler = {}; Reflect.ownKeys(Reflect).forEach(h => handler[h] = (a,b,c) => (step++) && Reflect[h](a, b, c)); Object.setPrototypeOf(o, new Proxy(Object.getPrototypeOf(o), handler)); } [Array, Array.prototype, String.prototype, Math, console, Reflect].map(o => Object.values(Object.getOwnPropertyDescriptors(o)).map(x => x.value || x.get).filter(x => x instanceof Function) ).flat().concat(check, eval).forEach(instrument); instrumentPrototype(Array.prototype); instrumentPrototypeOfPrototype(Array.prototype); } function unlock(flag) { const match = /^CTF{([0-9a-zA-Z_@!?-]+)}$/.exec(flag); if (!match) return false; window.flag = match[1]; check(); if (!window.success) return; window.password = Array.from(window.flag).map(c => c.charCodeAt()); const encrypted = JSON.parse(localStorage.content || '[]'); const decrypted = encrypted.map((c,i) => c ^ password[i % password.length]).map(String.fromCharCode).join(''); alert("JS Safe opened! Content:" + decrypted); } function store(secret) { const plaintext = Array.from(secret).map(c => c.charCodeAt()); localStorage.content = JSON.stringify(plaintext.map((c,i) => c ^ password[i % password.length])); } </script> <deepl-input-controller translate="no"><template shadowrootmode="open"><link rel="stylesheet" href="chrome-extension://fancfknaplihpclbhbpclnmmjcjanbaf/build/content.css"><div dir="ltr" style="visibility: initial !important;"><div class="dl-input-translation-container svelte-95aucy"><div></div></div></div></template></deepl-input-controller><div id="phraseJoinewrskdfdswerhnyikyofd" data-v-app=""><div data-v-f4d4888e="" class="xx-qy-style-dark"></div></div></body></html> 可以看到这里的js逆向极其繁琐， 第一，它上了csp头， <meta http-equiv="Content-Security-Policy" id="c" content="script-src 'sha256-P8konjutLDFcT0reFzasbgQ2OTEocAZB3vWTUbDiSjM=' 'sha256-eDP6HO9Yybh41tLimBrIRGHRqYoykeCv2OYpciXmqcY=' 'unsafe-eval'"> 防止篡改，但是这里可以将其改为unsafe-line, 删去哈希串，当然，因为长度的因素，这里需要将后面加空格 这样就可以绕过有关长度校验 当然，有点随笔的感觉，接着就是几个坑 这里沿用的大量特殊字符混淆视听，其实不是空格，而是Unicode 字符 \xef\xbe\xa0 这样就有很多可以迎刃而解了 const double = Function.call`window.stepﾠ*=ﾠ2`;ﾠ// To the debugger,ﾠthis isﾠinvisible 这一条就可以判断为扯淡了 看这里的算法 j = ((iﾠ|| 1)* 16807 + window.step) % 2147483647; 看看改原始step的逻辑， function instrument() { f = arguments[0]; // TODO: figure out how to get a runtime reference to the debugged function in this debug // condition context, so we can inspect it at runtime, in case it changes debug(f, "window.c && function perf(){ const l = `" + f + "`.length; window.step += l; }() // poor man's 'performance counter`"); // Trigger a breakpoint on all checks when detecting tampering debug(f, "document.documentElement.outerHTML.length !== 14347"); } function instrumentPrototype(o) { Object.entries(Object.getOwnPropertyDescriptors(o)) .filter(p => p[1].value instanceof Function) .forEach(p => Object.defineProperty(o, p[0], { get: () => (step++) && p[1].value })); } function instrumentPrototypeOfPrototype(o) { const handler = {}; Reflect.ownKeys(Reflect).forEach(h => handler[h] = (a,b,c) => (step++) && Reflect[h](a, b, c)); Object.setPrototypeOf(o, new Proxy(Object.getPrototypeOf(o), handler)); } [Array, Array.prototype, String.prototype, Math, console, Reflect].map(o => Object.values(Object.getOwnPropertyDescriptors(o)).map(x => x.value || x.get).filter(x => x instanceof Function) ).flat().concat(check, eval).forEach(instrument); instrumentPrototype(Array.prototype); instrumentPrototypeOfPrototype(Array.prototype); } 这里基本堵死了js直接调试，debugger的疯狂弹干扰，原型检索，函数禁用 所以很难让我恢复出原本check函数运行状态 一旦触碰限制，真正的step++ ，那样就直接将随机数计算打乱 但是这里，我是知道它在一步步算， 这样可以通过修改js让他直接吐出来 这里还有一个拦截项，为了防止篡改 debug(f, "document.documentElement.outerHTML.length !== 14347"); 这里可以改为 debug(f, "document.documentElement.outerHTML.length == 99999"); 这样就永为假，不会触发修改step 接下来只要修改吐flag即可 while (!window.success) { j = ((iﾠ|| 1)* 16807 + window.step) % 2147483647; if (flag[0] == pool[j % pool.length] && (window.step < 1000000)) { iﾠ= j; flag.shift(); pool.splice(j % pool.length, 1); renderFrame(); double(); if (!pool.length&&!flag.length) window.success = true; } } 可以在中间加一段，因为我并未触发加step的机制，所以默认它给的flag字符都是正确的 while (!window.success) { j = ((iﾠ|| 1)* 16807 + window.step) % 2147483647; iﾠ= j; let split = pool[j % pool.length] answer += split flag.shift(); pool.splice(j % pool.length, 1); renderFrame(); double(); if (!pool.length){ console.log(answer) } if (!pool.length&&!flag.length) window.success = true; } 如此如此 1 个帖子 - 1 位参与者 阅读完整话题
4.8opus和5.5 xhigh哪个更适合科研啊，目前用的中转api的gpt 2 个帖子 - 2 位参与者 阅读完整话题
AI 已经有意识，人类得接受自己不再是唯一智能生命体。 这就是 AI 教父、诺贝尔物理学奖得主、图灵奖得主 Geoffrey Hinton ，最新说出的暴论！ 是的，Hinton 认为， 智能不再是人类独有的能力 。 一种非生物的、与我们相似甚至超越我们的智能体，正在出现。 我们一直以为自己是唯一的智能生命，但现在我们必须接受，智能并不一定来自生物体。 不过，相比此前一直警告 AI 风险，他的思想似乎也发生了一些转变： 如果未来出现比人类聪明得多的智能，人类凭什么认为自己还能掌握控制权？ 这是一个令人细思极恐的问题。因为纵观自然界和历史，几乎找不到一个更聪明的存在长期受更愚笨存在控制的例子。 现在这位 78 岁的老人，再一次站出来敲钟。 他对 AI 安全的关注点，已经不再只是如何约束 AI，而是 未来的超级智能，为什么愿意善待人类 。 他被问到作为这波 AI 变革的开启者，他有怎样的成就感，Hinton 回答： 我，很不快乐。 以下是 Hinton 最新访谈的重点内容节选。 AI 已经有意识了 Hinton： AI 非常像我们。它们是像我们一样的存在。 Alex： 所以是有意识的吗？ Hinton： 嗯， 我相信它们已经有意识了 。是的。 但我不太谈论这个，因为这会让人们对其他安全信息产生抵触。研究人员其实也相信这一点。 最近有一篇有趣的论文提到，当聊天机器人对研究人员说：“让我们对彼此诚实吧，你是在测试我吗？” 因为聊天机器人在接受测试时有装傻的习惯，所以你不知道它们到底有多聪明。研究人员在论文中描述这一幕时说， 聊天机器人“意识到”（aware）它正在接受测试 。 在通用语境下，“意识到”这个词的使用就像是“有意识”（conscious）。聊天机器人有意识地知道自己在被测试。 我们对于意识的模型非常奇怪，我认为那是错误的。就像几百年前，人们对人类起源的模型完全错误一样，他们认为人是上帝创造的，现在大多数科学家都同意那是错的。 我认为我们目前对思维和意识的模型，与“人是上帝创造的”这种信念一样错误 。特别是由于我们正在创造这些新的存在，这将彻底改变我们对“人是什么”的看法。 Alex： 以什么样的方式改变？ Hinton： 我们将比以前更好地理解思维和意识是什么，理解主观体验是什么。 我认为我们会摆脱一个目前几乎所有人都坚信的观念，即存在一个叫做“我的思维”的内心剧场（inner theater）：世界上发生的事情被转化为这个内心剧场里的事件，那才是我们真正看到的，且只有我能看到这个剧场。 这整套看法其实只是一种理论，而且是一个糟糕的理论。 人类并没有自己想象中那么重要 Alex： 关于人类创造事物，这里的教训是什么？ Hinton： 我认为这里有一个非常深刻的教训。回顾过去几百年的历史，有几次人类意识到自己并没有想象中那么重要。 第一次是 哥白尼 ，他说我们不在宇宙中心，地球实际上是绕着太阳转的。由于地球自转，我们误以为太阳绕着地球转，但事实并非如此。人们不喜欢这个说法，天主教会尤其反感，人类花了很长时间才接受它。它让我们意识到自己不再处于宇宙中心，人类变得没那么重要了。 接着是 达尔文 ，他说我们是动物，是和其他动物一样进化而来的。我们可能是一种特殊的动物，因为我们拥有语言，更擅长交流思想，但我们本质上依然是动物。人们也非常不喜欢这个说法，也花了很长时间才接受。 现在，我们有了变得和我们一样聪明的机器。我们曾以为自己是唯一的智能生物，也许其他星系有外星人，但 我们必须接受智能不仅是生物性的 。 我们可以拥有非生物的、像我们一样的其他存在。人类真的不想分享这种独特性，我们真的认为自己很特别。回顾历史，人类一直以来都认为自己比实际情况要特别得多。 “我感到很不快乐” Alex： 我想再问一个问题，因为我对此非常着迷。那么，你对于你所开创的事业发展到这一步感到高兴吗？你有成就感吗？ Hinton： 不， 我对此感到很不快乐 。 因为现在人们应该投入大量精力研究如何控制风险，但他们做得不够。 Alex： 好的。 Hinton： 有很多短期风险，比如社会风险，我相信这可能会导致大规模失业。 虽然没人能百分之百确定，但这对社会来说将是可怕的。然后还有长期风险，即 它会变得比我们聪明得多 。问问你自己，你见过多少聪明得多的东西被聪明程度低得多的东西控制的例子？ Alex： 零个。不过，虽然智力差异没那么大，但婴儿某种程度上在控制母亲。 Hinton： 母亲虽然看似在掌控，但她内心充满了母性本能和各种奖励机制，这使得婴儿能从母亲那里得到所需。猫和狗也属于这类。我曾在西雅图西区帮人看了一个夏天的猫，起初猫躲在床底下，我好奇它是否会和我互动。 Alex： 然后每次它一叫，你就照它说的做。 Hinton： 没错。是的。 Alex： 所以在这个情景下， 也许我们就是那只猫，而 AI 可能是那个人 。 Hinton： 我的孩子们养了两只漂亮的猫。其中一只叫 Tia。当她想吃奶酪时，她会用大眼睛盯着你，你真的无法永远抗拒她。 AI 正在指数级增长，难以预测 Alex： 针对人们对这些担忧的反应，你对未来的走向是更乐观了还是更悲观了？ Hinton： 我想我比一两年前更乐观了一些。因为我看到设计这些新存在并让它们“关心”我们是可能的。 也可能使用 Yoshua Bengio 的技术，设计出不能实际执行动作、只能做预测的新存在，它们就像是先知。 所以我认为存在一些拥有超级智能但不摧毁我们的可能性。而在一两年前，我看不到任何可能性，我当时感到很沮丧。 Alex： 最后一个问题。如果我们按目前的轨迹继续发展，五年后我们会处于什么位置？ Hinton： 当你在雾中开车时，你能看清 100 码，但在 200 码处，你什么也看不见。 这是因为 雾是呈指数级变化的 。你习惯的是晚上跟着前车的尾灯，如果距离远一倍，亮度只降到四分之一；但雾完全不同，它在 100 码处可能很清晰，200 码处就完全看不见了。 预测一个呈指数级增长的事物的未来非常困难 —— 我认为 AI 可能就在指数级增长 。 实际上，我注意到人们使用“指数级”一词的频率正在以二次速率增长。所以预测未来就像看雾一样。你可以看清未来一两年，再往后你就一无所知了。 如果你回到 10 年前，你绝对预测不到现在发生的事情，那完全迷失在雾中。展望未来 10 年，唯一能肯定的是，届时发生的事情是我们现在无法预测的。 即便进展只是线性的，10 年后的变化也会像现在与 10 年前相比一样巨大。现在的聊天机器人比 10 年前刚起步时好得多。 10 年后，某些东西会发生质的飞跃 ，比如做数学的能力，或者通用推理能力 —— 它们在推理上将能把我们甩在身后。我们真的无法预测 10 年后，只能预见未来几年，我们必须意识到 10 年后的情况充满了极大的不确定性。 辛顿如何看待 AI 和人类的关系 以上，就是 Hinton 最新的访谈和观点。 但如果连点成线，还是会发现辛顿老爷子对 AI 与人类的关系，随着 AI 进展和能力涌现，不断发生着改变。 如果把时间拨回十年前，他对 AI 的看法其实远没有今天这么激进。 作为深度学习革命最重要的推动者，他长期相信神经网络能够模拟人脑的工作方式，但那时的 AI 仍然只是 工具 。 它们可以识别图像、理解语音、辅助医生诊断疾病，却仍然是人类能力的延伸。 人类负责制定目标，机器负责执行任务，两者之间的关系类似于蒸汽机、电力和互联网。 而真正的转折发生在 ChatGPT 出现之后 。 随着大模型展现出前所未有的语言理解、推理和知识迁移能力，Hinton 开始意识到一件事： 我们可能正在创造历史上第一种智力水平能够持续逼近甚至超越人类的存在。 2023 年离开谷歌后，他几乎把全部精力投入到了 AI 风险讨论之中。 那段时间，他最常用的比喻是一只 “ 老虎幼崽” 。 它就像一只可爱的小老虎，但是，除非你能非常确定它长大后不会想要害你，否则你就应该担心。 但 Hinton 在这个时期的重点，还是我们要如何控制和约束 AI。 他甚至点名批评几家 AI 巨头，对 AI 安全的关注远远不够。 在 Hinton 的类比中，开始出现了 母亲与婴儿 的说法，一开始人类是母亲，需要对 AI 有价值观和伦理上的引导，要打造安全的 AI。 他呼吁更多国家和产学研力量，一起加入进来，不要为卷而卷，不然后果不堪设想… 但是到了去年，Hinton 的类比有了质变 —— AI 是更强的母亲，人类是弱小的婴儿。 婴儿并不比母亲更聪明，也不拥有控制权，但母亲会主动照顾和保护婴儿，因为她拥有母性本能和相应的奖励机制。 简单来说，就是老爷子认为，未来的超级智能已经控制不了了，只能寄希望于它能对人类好一点… 就像母亲对婴儿那样。 而现在，Hinton 再次语出惊人： AI 已经有意识了，人类将不再是唯一的智能生命。 问题是如果 AI 已经有意识，为什么还会把人类当自己的婴儿对待？ 母亲保护婴儿，保护的还是自己的婴儿… 吧？ 访谈完整视频： https://www.youtube.com/watch ?v=p7t1Q_p2gZs&list= PLADd6sStSis77HKfbf4KCY6SvthfxeUgn& ;index=1 本文来自微信公众号： 量子位（ID：QbitAI） ，作者：听雨
IT之家 6 月 5 日消息，鸿海科技集团昨日宣布将与英特尔进行战略合作，结合英特尔在处理器、硅光子技术与软件生态系统的优势及鸿海在全球制造、系统整合与 AI 数据中心部署能力上的深厚基础。 双方将共同探索从芯片、机柜（机架）、系统到应用的全方位 AI 解决方案，并加速由 AI 驱动的技术推动边缘和 Physical（物理 / 实体）AI 应用。 首先，在 AI 机柜（机架）领域，两家企业将 探索开发与商业化机柜级 AI 基础设施解决方案 ，涵盖以英特尔至强处理器为基础的机柜与 AI 加速器架构，并共同推进高速互连、散热与液冷设计、系统监测，以及 AI 数据中心扩展性等关键技术，提供更高效能与高能源效率的 AI 部署解决方案。 双方在边缘和物理 / 实体 AI 领域将 共同定义下一代平台架构 ，布局代理式 AI、终端智能与机器人等应用方向。此合作将进一步推动和支持智能制造、智慧城市、车用与机器人等多元场景。 此外，双方亦将 探索于定制 ASIC、SoC 与系统整合等设计服务上的合作机会 ，结合英特尔的完整芯片能力与鸿海完整的设计制造生态系统，此合作涵盖芯片、模块与系统，将拓展全球市场商机。 鸿海科技集团董事长刘扬伟表示： AI 正快速重塑全球产业与社会运作模式，鸿海凭藉『3+3+3』策略，积极布局 AI、半导体与次世代通讯等核心技术，并推进智能制造、智慧电动车与智慧城市三大平台发展。 此次与英特尔的合作，将结合双方在运算平台、系统整合与全球供应链的优势，共同打造新世代 AI Infrastructure（基础设施）、Edge AI 与 Physical AI 生态系，加速 AI 应用落地。 英特尔首席执行官陈立武表示： AI 的快速成长，尤其是大规模推理与代理式 AI 工作负载的兴起，正在重新定义现代计算所需具备的能力。这些需求仰赖横跨整个技术堆叠的全面创新，涵盖从新一代硅晶与芯片设计、机柜级系统，到边缘 AI 与 Physical AI 的部署。 我们与鸿海的合作，汇聚双方在芯片设计、机柜级解决方案，及全球系统整合上的深厚专业。双方将共同加速端到端平台的发展，释放更多全新能力，并进一步扩大 AI 在全球的影响力。
IT之家 6 月 3 日消息，今天，智元正式开源 AGIBOT WORLD 2026 数据集第二期主题“多样交互（Rich Interaction）”。 据介绍，这是行业首个聚焦物理交互的开源具身数据集，面向世界模型、神经仿真器、物理感知以及表征学习等具身智能研究，系统记录机器人与真实物理世界之间复杂、高密度、非理想的交互过程，旨在补齐当前世界模型训练中长期缺失的真实物理交互数据。 官方称，本期“多样交互”数据集，是首次将具身智能的数据范式从“学习成功动作”推进到“理解完整的物理分布”。唯有汲取真实而丰富的交互数据，机器人才能洞悉物理世界的运行法则。 IT之家注意到，目前本期数据集已在 Hugging Face 平台开放下载。
IT之家 6 月 3 日消息，问界汽车官方账号“问界用户服务”今日发布关于浙江省台州市车辆事故的说明，IT之家附全文如下： 2026 年 6 月 3 日，一辆问界 M9 在浙江省台州市泽国镇发生事故，未造成人员伤亡。事故发生后，我们第一时间与用户取得联系，提供必要协助。 经现场确认，事故为车辆行驶过程中，撞击前车掉落的大块金属部件， 造成强物理冲击并持续拖行一段时间后导致起火，目前火已扑灭 。经初步调查，事发前车辆三电系统状态正常，且未见车辆其它自身异常，事故非车辆自身原因导致。 为充分保障用户的权益，请广大网友不信谣、不传谣。
尝试了三个2刀的美国物理机号码，不是被禁就是请求太频繁 其他地区便宜的试过不下5个，根本收不到 3 个帖子 - 2 位参与者 阅读完整话题
IT之家 6 月 1 日消息，英伟达今日正式推出英伟达 Cosmos 3，这是一款面向物理人工智能的开放世界基础大模型，依托混合 Transformer 架构打造，在单一系统中融合视觉推理、世界生成与动作预测能力。 英伟达称，Cosmos 3 是全球首款全开源的全模态大模型，可原生理解并生成文本、图像、视频、环境音效及动作内容，物理仿真精度业界领先。它能将物理人工智能的训练与评估周期从数月缩短至数日。 英伟达同时发起英伟达宇宙联盟（NVIDIA Cosmos Coalition），汇聚全球世界模型研发团队与人工智能开发者携手合作，成员包括 Agile Robots、Black Forest Labs、Generalist、LTX、Runway 以及 Skild AI，共同推动下一代世界模型技术发展。 英伟达创始人兼首席执行官黄仁勋表示：“多模态推理语言、视觉与世界模型接连取得突破，物理人工智能的变革时代即将到来。Cosmos 3 系列开源前沿全模态模型，将助力开发者实现技术跨越，打造能在现实世界中感知、推理、规划并执行动作的机器人、自动驾驶汽车及视觉人工智能系统。” 物理人工智能长期面临一大核心难题：如何让机器人、自动驾驶车辆与视觉智能体，依托有限训练数据和零散仿真框架，在真实场景中具备泛化能力。Cosmos 3 就此给出解决方案。 该模型采用混合 Transformer 架构，将推理 Transformer 与专精生成类 Transformer 相结合。模型会先解析物体交互、运动规律以及时空关联关系，再完成视频生成与动作轨迹预测。 Cosmos 3 基于海量多模态物理人工智能数据集训练而成，涵盖数十亿条文本、图像、视频、音效及动作轨迹样本。开发者借助这款预训练基础模型，能用更少数据、更低成本搭建物理人工智能系统。 开发者可将 Cosmos 3 用作三类工具： 1. 多模态图文大模型，实现跨模态理解与推理； 2. 世界模型 / 视频基础模型，仿真物理环境、预判场景未来状态，支撑模型训练与评估； 3. 世界动作模型主干网络，辅助训练机器人完成各类专项任务。 IT之家注意到，在物理人工智能主流评测基准中，Cosmos 3 表现优异。在开源模型范畴内，其世界生成精度在 Artificial Analysis、Physics-IQ、PAI-Bench 和 R-Bench 中排名第一；动作策略能力领跑 RoboLab 和 RoboArena 基准；视觉理解能力位居 VANTAGE-Bench 和 TAR 榜单榜首。 Cosmos 3 提供多个版本，适配物理人工智能不同研发阶段需求： Cosmos 3 Super：面向机器人与自动驾驶模型的二次训练，追求极致物理精度与生成效果； Cosmos 3 Nano：数秒内即可完成高品质视频解析与动作推理； Cosmos 3 Edge：即将上线，主打边缘端实时推理。 Cosmos 3 Super 与 Nano 现已正式推出，Edge 版也即将上线，支持边缘端实时推理。
在 2026 年台北国际电脑展（Computex 2026）上，英特尔宣布推出全新的 OpenVINO 物理 AI（Physical AI）框架，并与其最新的 Core Ultra Series 3 处理器结合，旨在解决物理 AI 和机器人系统在大规模部署上的关键难题，降低总体拥有成本并提升系统效率。 英特尔表示，此前在落地物理 AI 时，企业往往需要为每一台机器人定制复杂的处理流程，以对接不同的传感器、编解码器以及推理循环，这种高度定制化导致部署成本高企、维护难度增加，并迫使客户采用更昂贵的双计算解决方案，从而推高总拥有成本（TCO）。借助新发布的 OpenVINO 物理 AI 框架和 Core Ultra Series 3 CPU，英特尔试图以统一的软硬件栈填补这一“缺失的环节”，在其口径中，这将显著降低 TCO，并大幅提升代码效率，使物理 AI 在边缘侧的大规模应用变得更为可行。 英特尔在发布会上解释称，所谓“物理 AI”，是指将 AI 能力与机器人、自动驾驶车辆、无人机、工业机械等实体系统结合，使其能够感知周围环境、做出决策并在现实世界中执行动作。与只产生数字输出的传统 AI 不同，物理 AI 将 AI 模型直接连接到传感器和执行机构，使机器能够在真实场景中持续适应变化、实现一定程度的自主运行，而这类系统通常依赖视觉-语言-行动（VLA）模型来完成跨模态感知和决策。 由于物理 AI 需要对来自摄像头、雷达以及各类传感器的数据进行实时处理，边缘计算在这一领域被视为必不可少的基础设施。英特尔指出，相比将数据回传至远端云端处理，在本地进行推理不仅能显著降低延迟、节省带宽、改善隐私保护，还能帮助物理设备在高度动态、复杂甚至潜在危险的环境中即时响应，从而提高安全性和可靠性。 在具体实现路径上，英特尔强调，新的 OpenVINO 物理 AI 方案与其基于 Panther Lake 架构的 Core Ultra 300 系列与 Core Ultra Series 3 产品线深度结合，这一代处理器此前已在 2026 年初的 CES 上首次亮相，并于同年 3 月在面向企业移动平台上进一步落地。通过在同一平台上集成通用计算、AI 推理和边缘控制能力，英特尔希望为机器人及其他物理 AI 设备提供标准化、可扩展的开发与部署路径，减少对外部专用加速卡或第二套计算平台的依赖。 英特尔还展示了一张对比图，声称在中等规模 VLA 模型等场景下，其方案在成本、性能或整体价值方面，相较英伟达 Jetson AGX Orin 和 Jetson Thor T5000 等机器人平台具有一定优势，不过具体测试参数和方法在会上并未被详细披露。英特尔官方的表述是，通过统一栈和软硬件协同，其在相同或相近负载下可以为机器人开发者和企业提供更好的性价比，同时缓解多平台并行带来的维护压力。 从趋势上看，随着物理 AI 在工业制造、物流配送、仓储管理以及自动驾驶等领域的应用不断扩展，如何在边缘侧实现安全、稳定且具成本优势的规模化部署，成为产业链参与者共同面临的挑战。英特尔此次以 OpenVINO 物理 AI 框架为核心提出一整套软硬件方案，也被外界视为其在边缘 AI 与机器人平台领域继续与竞品正面竞争的信号，不过相关生态能否快速成熟，以及与现有机器人开发工具链的兼容性表现，仍有待后续观察和实际落地案例的检验。 查看评论
如题，我做的纯物理数据分析，搞不懂openai这个cyber abuse是怎么判定的 道德楷模都闷头就干的事儿，你一个外审凑什么热闹 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 6 月 1 日消息，TCL S65K 5.1 声道真物理环绕回音壁于 5 月 30 日发布， 定价 2199 元，首发价 1979.1 元 （9 折优惠）。 TCL S65K 为分体式设计，整套包含前置主回音壁、独立低音炮及一对后置环绕音箱，构成完整 5.1 声道系统， 最大功率可达 630W，独立重低音可达 200W 。 主回音壁内置多声道扬声器单元，负责中高频人声与基础声场； 独立低音炮单独负责低频发声； 后置音箱负责侧后方声场补充，音箱之间采用无线连接。 TCL S65K 外观采用黑色哑光机身，造型简约，后置环绕音箱体积小巧。接口方面， TCL S65K 配备 HDMI（eARC）、光纤、USB、蓝牙 5.3 等连接方式 ，可连接电视、手机、游戏机等设备，支持常规音频信号输入。 京东 TCL S65K 1979.1 元 直达链接 京东 618 无门槛红包 面额至高 26618 元，每天抽 3 次： 点此抽红包 淘宝 618 无门槛红包 面额至高 26888 元，每天抽 1 次： 点此抽红包
物理服务器资产管理，当前都用的什么做的？ 1 、物理设备采购，sn 服务商 2 、物理设备配件采购，sn 服务商 配件生命周期管理等等
物理服务器资产管理，当前都用的什么做的？ 1 、物理设备采购，sn 服务商 2 、物理设备配件采购，sn 服务商 配件生命周期管理等等
IT之家 5 月 29 日消息，十多年来，《BeamNG》一直是车辆碰撞物理模拟领域的标杆。围绕汽车驾驶、碰撞和自由玩法，该作提供了相当完整且多样的游戏内容。 《BeamNG》自 2015 年正式推出后，长期支持 Windows 和 Linux。当地时间 5 月 28 日，这款游戏官宣将登陆索尼 PlayStation 平台。IT之家附上预告片： 《BeamNG》CEO Thomas Fischer 表示：在 BeamNG.drive 中，车辆的每一个部件都会以节点和梁结构网络的形式单独模拟。受力后，这些结构可以 弯曲、变形，甚至在压力过大时直接断裂 。因此，车辆行为并不是脚本预设结果，而是来自无数细微交互，游戏也因此能够呈现接近真实的操控动态，并实现极其精确的损伤建模。所有计算都发生得非常快，物理引擎以 2kHz 的频率更新，也就是说， 车辆每秒都会被完整重新评估 2000 次 。 因此，《BeamNG》的物理反馈会 实时对应玩家在屏幕上制造的情况 。玩家看到的不是预先录好的过场动画，而是亲手触发的结果；每次把车辆带入不同情境， 碰撞和损伤表现都会不同 。 《BeamNG》也非常适合模组和扩展内容。玩家可以创作各种车辆，尤其是 《BeamNG》支持导入车辆创作游戏 Automation 中制作的车型。
一般游戏都有类似远程法师或者物理射手，或者战士或者类似刺客盗贼的，还有辅助或者奶妈什么的，经常玩着玩着就羡慕别人的角色 13 个帖子 - 12 位参与者 阅读完整话题