谷歌今天宣布推出开源倡议OpenTitan,目的是鼓励用于数据中心和消费电子设备的所谓根信任技术的开发。
我们说一个系统具有根信任就是说系统拥有一个专门芯片或模块,用于负责阻挡黑客的攻击。例如,谷歌最新的Pixel 4手机里的Titan M单片机就是干这个事的。Titan M是个很小的处理器(题图),用户每次开机时用于验证用户手机固件的完整性。
而数据中心的根信任则常常是个硬件安全模块,是个专用设备,用于保护加密密钥,服务器就是用加密密钥加密敏感数据。硬件安全模块是与网络其余部分分离的,一般都装在防窜改的保护盒里。
谷歌希望通过OpenTitan项目为业界提供常用技术构建块,用于打造根信任产品。搜索巨头谷歌目前正在为OpenTitan项目开发一个专用芯片设计,芯片设计用了流行的RISC-V架构。其他相关组件也在打造中,包括固件、处理加密任务的优化协处理器以及用于创建加密密钥的物理随机数发生器。
谷歌信息安全负责人Royal Hansen和OpenTitan项目主管Dominic Rizzo在博客中写道,“开源硅芯片可以通过设计和实施透明度增强信任和安全性。这样做可以及早发现问题,并降低对盲目信任技术的需要。”他们还表示,免费共享核心技术可以“实现创新及通过开源设计贡献鼓励创新。”
谷歌正在积极吸引贡献者生态系统。谷歌已将OpenTitan的管理转至LowRisc,LowRisc是个隶属剑桥大学的行业组织,正在招募外部合作伙伴支持开发。LowRisc的最初支持者包括西部数据公司、芯片制造商新唐科技、G+D移动安全公司和瑞士的苏黎世联邦理工学院。
Hansen and Rizzo在博文里表示,由OpenTitan产生的技术将“有助于芯片制造商、平台提供商和希望提升自己的基础架构安全意识的企业组织” 。
这些组织贡献到OpenTitan项目的任何技术反过来对谷歌也有用处。谷歌旗下的Pixel手机、Pixel平板电脑都使用根信任芯片,最重要的是,谷歌的数据中心也用了根信任芯片保护服务器,使其免受攻击。
更有效的安全芯片吸引力颇大,甚至可能令一些谷歌的竞争对手加入OpenTitan项目。苹果公司自产名为T2的根信任处理器,一些Mac机型配置了T2,亚马逊网络服务公司则通过旗下云平台提供硬件安全模块功能。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。