如题，我是单张A100 80G显存，使用vllm部署的qwen3.6 27B，开启思考模式总是出现重复输出现象，很奇怪。 想请教一下各位佬，是怎么回事。是我启动时上下文开的太高了吗，我开了256K。 另外，就算不出现复读机现象，这个模型的思维链也太长了，vllm有什么办法或者参数能控制思考等级或者思考长度吗？ 11 个帖子 - 4 位参与者 阅读完整话题
IT之家 5 月 9 日消息，在世界密码日（5 月 7 日，每年 5 月的第一个周四）之际，卡巴斯基发布最新报告，在单张英伟达 RTX 5090 显卡配置环境下， 测试 2.31 亿个密码，发现 60% 的密码能在 1 小时内被攻破。 卡巴斯基研究团队选取暗网上泄露的 2.31 亿条不同密码样本，用 MD5 生成哈希，再用 1 张 GeForce RTX 5090 显卡测试破解能力。 测试结果显示，在 1 小时内，可以破解 60% 的密码，而 2 年前这一比例是 59%。虽然从数值上来看，1% 增量并不多，但是放大到 2.31 亿条样本里，意味着又有数百万条密码落入“几乎挡不住”的区间。 IT之家注：MD5 是一种早期广泛使用的哈希算法，可把任意长度的数据转换成固定长度摘要。它的特点是计算很快，过去常用于文件完整性校验、数据去重等场景。 问题在于，密码存储并不需要“快”，反而需要“慢”。因为一旦数据库泄露，攻击者就能借助 GPU 高速枚举候选密码，反复计算哈希并比对结果。常见误区是把 MD5 当成“加密”，其实它不是可逆加密，而是单向哈希；但“不可逆”不等于“安全”，若算法过快、碰撞问题明显，仍不适合保存密码。 理论上，即便数据库泄露，攻击者也只能靠穷举猜测原文。但 MD5 计算开销极低，攻击者能以每秒测试数十亿个候选密码，因此可以被暴力破解。 卡巴斯基还指出，密码长度依旧是强度的关键因素，但很多用户创建密码时，习惯沿用“123456”这类简单模式。 相比之下，bcrypt 和 Argon2 这类专为密码存储设计的哈希方案更慢，也更“贵”。为了拖慢暴力破解，它们会故意提高每次计算成本，从而拉长攻击时间，进而抬高硬件投入。 卡巴斯基建议行业停用 MD5，改用 bcrypt 或 Argon2，同时开启多因素认证，并在支持的场景下尽量改用 Passkey。 参考 More than 50% of leaked passwords end with a number, Kaspersky’s latest research reveals
处理得非常干净，也没有图像之间的干扰（但图像内的人形还是有瑕疵），真的好厉害 6 个帖子 - 4 位参与者 阅读完整话题
单张画面呈现意识流式的非线性错落排版（打破常规网格，10个记忆碎片以大小不一、比例交错的几何形态咬合，切片间具有强烈的连贯叙事逻辑）。界线如手术刀般锐利漆黑，绝对不融合。全局质感：冰冷的RAW格式纪实摄影，剥离温度的蓝灰滤镜，粗粝的呼吸感与废土诗意。主体：东方骨相的女性驾驶员，短发，剥落伪装的真实肌理。她身着苍白的未来作战服，材质满是带着硝烟的撕裂伤痕，破损处裸露着防弹纤维与肌肤。环境：巨物陨落的死水废墟。切片1：24mm，极寒白雾吞噬着钢铁丛林，水面如镜，倒影着死去的文明。切片2：35mm，水面尽头，半沉的星际逃生舱正呕出最后的灰烬，那是坠落的起点。切片3：50mm，逃生舱外几米处的浅水中，一具苍白躯壳静默倒伏，羊水般的涟漪托起她残破的白甲。切片4：50mm，沉睡被打破，她双臂战栗着撑破水面，水滴自撕裂的装甲边缘砸落，如同倒流的时间。切片5：85mm，颤抖的残缺手套里，死死攥着一枚裂痕斑驳的罗盘，幽蓝星火指引着生门。切片6：24mm，循着微光，渺小的白色战损孤影蹚过及膝的黑水，向着迷雾深渊跋涉。切片7：50mm，跋涉的终点，她停下脚步，仰望雾海中蛰伏的巨型远古机械神明。切片8：85mm，指尖终于触碰那冰冷生锈的金属肌理，罗盘的幽蓝光芒与遗迹深处产生共鸣，完成了温度的献祭。切片9：50mm，宿命交汇后的极度虚脱，她顺着遗迹断壁滑落，半截脱力的躯壳沉入渊薮。切片10：100mm极特写，作为视觉重心的最大切片，湿冷发丝紧贴毫无血色的面颊，那双被切断了软弱情感的瞳孔穿透虚无，深渊也在静默回望。全画幅，f/2.8，ISO 100，HDR，8K，零度情感的史诗级连贯暗流分镜。 --ar 105:105 --style raw --v 6.0 2 个帖子 - 2 位参与者 阅读完整话题
IT之家 4 月 17 日消息，科技媒体 The Decoder 昨日（4 月 16 日）发布博文，报道称英伟达研究人员推出 Lyra 2.0 系统， 可从单张照片生成跨度约 90 米的连贯 3D 环境 ，解决现有模型在长距离漫游中的画面扭曲与遗忘难题。 当前 AI 生成 3D 场景的核心痛点之一，是虚拟摄像机长距离移动后，画面会出现色彩与结构扭曲，返回已探索区域时模型常重新构建环境。 英伟达团队为提高机器人仿真训练质量，针对视频模型离开视野即遗忘已见区域，以及逐步生成过程中误差累积导致严重扭曲两大挑战，发布 Lyra 2.0 系统，仅需单张照片即可生成可实时漫游的 3D 场景。 Lyra 2.0 通过存储每一帧的 3D 几何数据解决记忆问题，当摄像机重返旧地后，系统调取历史空间信息作为参考，避免重复生成。针对误差累积，研究团队在训练中让模型暴露于自身有缺陷的输出，让其学会识别并纠正质量下降，而非传递错误。 基准测试显示，Lyra 2.0 在图像质量、风格一致性和摄像机控制等几乎所有指标上击败 GEN3C、Yume-1.5、CaM 等 6 种竞品，其 Fast 版本在质量相当的情况下，视频生成速度提升约 13 倍。 生成的 3D 场景支持交互式探索，并可导出为网格格式用于 Nvidia Isaac Sim 等物理引擎。 这意味着训练机器人无需采集真实世界 3D 数据，可在完全生成的虚拟环境中训练。 IT之家附上参考地址 Lyra 2.0: Explorable Generative 3D Worlds