创纪录的31.4 Tbps DDoS攻击：如何通过“顶尖”僵尸网络武器化家庭设备
Aisuru以惊人的31.4 Tbps DDoS攻击设立了网络威胁的新标杆，超越了以往的记录。这一升级凸显了网络犯罪分子的能力日益增强，以及组织迫切需要加强安全防护措施的紧迫性。这对网络服务提供商和企业的影响深远，突显了必须解决的脆弱性问题。
ZDNet
最新AI新闻
联盟要求联邦政府禁止Grok平台上的非自愿性内容
一个由多个非营利组织组成的联盟呼吁立即停止在美国联邦机构，尤其是国防部内部部署由埃隆·马斯克的xAI公司开发的AI聊天机器人Grok。该联盟对在敏感政府事务中使用人工智能所带来的隐私问题、错误信息以及伦理影响表示担忧。
TechCrunch
Docusign首席执行官谈信任人工智能处理合同的风险
DocuSign首席执行官艾伦·泰根森（Allan Thygesen）强调，不提供人工智能服务已不再是公司可行的选择。这一表态反映了科技公司日益增强的趋势，即将人工智能融入其产品中。这意味着DocuSign很可能会提升其文档管理解决方案，增加人工智能功能，以保持竞争力。
The Verge
人工智能裁员还是“人工智能洗涤”？
近期科技公司裁员引发了关于企业是否真心在进行AI效率重组，还是仅仅借助AI作为裁减员工的理由的辩论。观察人士指出，尽管一些公司在利用AI提升生产力和优化运营，但另一些公司似乎在没有明确整合AI策略的情况下进行裁员。这一差异引发了对这些裁员长期可持续性及其背后真实动机的质疑。随着AI的不断发展，公司必须在员工适应、伦理考量和员工留存策略之间取得平衡。
TechCrunch
印度提供至2047年零税收以吸引全球人工智能工作负载
印度正在通过对境外销售的服务提供税收豁免，来激励外国云服务供应商，前提是他们在国内托管工作负载。这项举措旨在加强印度的人工智能基础设施，并吸引全球科技投资，助力该国在人工智能领域的竞争力。
TechCrunch
SpaceX寻求联邦批准发射100万个太阳能供电的卫星数据中心
SpaceX已向美国联邦通讯委员会（FCC）提交了一项提案，计划部署多达100万个太阳能卫星，这些卫星将作为人工智能应用的数据中心。该项目旨在提升全球数据处理能力，其规模前所未有，可能会改变人工智能服务的交付方式，并改善服务不足地区的网络连接。若获批准，这一计划将显著推动SpaceX在卫星互联网市场的角色，对竞争对手及整个科技领域产生深远影响。
TechCrunch
本周科技新闻：三星三折屏手机瞬间售罄，谷歌新操作系统泄露信息预告
三星的Galaxy Z TriFold于周五正式发布，迅速售罄，显示出消费者的强烈兴趣。与Galaxy Z Fold7不同，TriFold配备了创新的可扩展屏幕，展开时能够提供更宽广的显示效果。这一快速售罄的现象表明，智能手机市场对先进折叠技术的需求非常旺盛。
Wired
物理智能：Stripe前高管Lachy Groom最新投资项目正在打造硅谷最受关注的机器人智能系统
位于旧金山的Physical Intelligence公司低调运作，入口处仅以一个微妙的π符号标识。该公司专注于开发先进的机器人技术和人工智能，旨在提升人类的身体能力。他们的创新有望对医疗和制造等行业产生显著影响，通过优化人机合作，提高在体力要求较高任务中的效率。
TechCrunch
Clawdbot、Moltbot、OpenClaw：这一病毒式AI代理的疯狂旅程
Clawdbot，这款旨在执行用户计算机任务的开源AI助手，在短短五天内从网络热潮演变为争议焦点。其迅速崛起伴随着两次更名，原因是用户对其功能及局限性的反馈不一。这一事件凸显了管理用户对AI工具期望的挑战。
CNET
再见，ChatGPT-4o：OpenAI即将退役多个模型，推出新款GPT-5模型
OpenAI 宣布将退役多个旧版本模型，包括 GPT-5、GPT-4o、GPT-4.1、GPT-4.1 mini 和 o4-mini。此次停用将于指定日期生效，标志着向新模型的转型。依赖这些版本的用户应尽快过渡到最新的替代方案，以确保持续的性能和访问。
CNET
功能空间逆问题的解耦扩散采样方法
解耦扩散逆解算器（DDIS）引入了一种全新的框架，用于解决逆偏微分方程（PDE）问题，强调数据效率和物理知识的结合。与传统模型需要大量成对数据不同，DDIS 将系数学习与解的学习分开，从而在稀疏数据条件下实现了 $l_2$ 误差提高 11% 和频谱误差降低 54% 的显著成果。值得注意的是，在仅使用 1% 可用数据进行训练时，DDIS 在 $l_2$ 误差上比联合模型提升了 40%，充分展示了其在低数据场景下的有效性。
arXiv
IRL-DAL：基于能量引导扩散模型的安全自适应自动驾驶轨迹规划
一个新的框架IRL-DAL通过基于扩散的自适应前瞻规划，提升了自动驾驶车辆的导航能力。该框架首先通过模仿学习从专家的有限状态机（FSM）控制器中获取经验，并整合环境反馈和逆向强化学习（IRL）奖励。该方法成功率达到96%，并将每千步的碰撞率降低至0.05，显著提升了安全性。相关代码已公开，供进一步研究使用。
arXiv