5月25日·AI助力安全：o3模型发现Linux内核零日漏洞

5月25日·周日  AI工具和资源推荐

AI助力安全：o3模型发现Linux内核零日漏洞

近日，独立研究员Seen Heelan利用OpenAI的o3模型成功发现了Linux内核中的一个远程零日漏洞（CVE-2025-37899）。这是首次由大语言模型独立发现的内核级零日漏洞。Heelan在实验中仅使用o3的API，未借助任何复杂工具，通过让模型检查约12000行代码100次，揪出了一个“释放后使用”漏洞。该漏洞存在于SMB“注销”命令处理程序中，可能导致内核内存损坏和任意代码执行。Heelan还发现o3不仅能检测漏洞，还能提出比人类更完善的修复方案。尽管目前AI的误报率仍较高，但其在程序分析方面的能力已接近人类代码审计员水平。专家认为，未来AI将在安全研究中发挥更大作用，但也需警惕其被恶意利用的风险。来源：微信公众号【量子位】

MIT科学家打破半世纪计算机理论僵局：少量内存可节省大量计算时间

MIT科学家Ryan Williams在计算机复杂性理论领域取得了重大突破，打破了长达50年的理论僵局。他证明了少量内存可以在计算中发挥巨大作用，甚至比大量时间更有价值。这一发现挑战了传统认知，即时间和空间（内存）在计算中的关系。Williams通过一种新的模拟方法，将任何算法转换为占用更少空间的形式，节省的空间量大约等于原始算法时间预算的平方根。虽然这种方法会使算法运行速度变慢，但从理论角度看，它为解决P与PSPACE问题提供了新的思路。这一成果得到了学界的高度评价，被认为是一个巨大的进步。来源：微信公众号【量子位】

上海AI Lab推出新一代大模型InternThinker，实现通专融合与思维链透明

上海AI Lab近日宣布推出“加速训练营”（InternBootcamp），并发布新一代大模型InternThinker。该模型通过通专融合技术路线，实现了在复杂推理任务中的出色表现，并具备透明的思维链。InternThinker不仅在围棋任务上达到专业水平，还能用自然语言解释对弈过程，打破AI的“黑盒”限制。此外，该模型在多任务混合强化学习中展现出“涌现时刻”，通过多种任务的混合训练，显著提升了推理能力。InternBootcamp为大模型提供了标准化的交互验证环境，助力模型在奥赛级数学、科学推理、算法编程等任务中持续进化。上海AI Lab的这一创新为大模型的发展提供了新的范式，推动了AI在科学发现与产业创新中的应用。来源：微信公众号【机器之心】

强化学习驱动的视觉规划：仅用图像完成复杂推理任务

一项由剑桥大学、伦敦大学学院和谷歌的研究人员共同开展的研究提出了一种全新的推理范式——视觉规划（Visual Planning），该范式完全基于图像进行推理和规划，无需依赖文本模态。这一方法通过强化学习框架（VPRL）实现，利用视觉状态的转换信息来优化大规模视觉模型的规划能力。在多个视觉导航任务（如FROZENLAKE、MAZE和MINIBEHAVIOR）中，视觉规划范式显著优于基于文本推理的方法，展示了其在复杂视觉场景中的巨大潜力。研究团队还提出了两阶段强化学习框架，通过监督学习初始化策略，再通过强化学习优化策略，进一步提升了模型的规划性能。这一成果为多模态AI的发展提供了新的方向，证明了视觉模态在推理任务中的重要性。来源：微信公众号【机器之心】

麦吉尔大学团队推出LLMSynthor，突破大模型数据生成局限

麦吉尔大学的研究团队提出了一种名为LLMSynthor的新框架，旨在解决大语言模型在数据生成中的局限性，如采样效率低、分布不可控和上下文窗口受限等问题。LLMSynthor通过让大模型成为“结构感知的生成器”，利用统计对齐反馈不断优化生成的数据，从而生成结构对齐、统计可信且语义合理的数据。该框架的核心创新包括：利用大语言模型模拟Copula模型进行结构推理，通过统计摘要衡量数据差距，生成可采样的分布规则而非单个样本，并通过迭代对齐逐步优化生成结果。LLMSynthor在电商交易、人口统计和城市出行等多个真实场景中表现出色，显著优于传统方法，并具备良好的扩展性和兼容性。来源：微信公众号【量子位】