BSD
PulseAugur coverage of BSD — every cluster mentioning BSD across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
ThinkPad 与 BSD 和 HaikuOS 的兼容性探讨
用户正在探索 ThinkPad 与各种 BSD 操作系统和 HaikuOS 的兼容性。这种探索被视为一项及时的工作，暗示了对该硬件的替代操作系统可能感兴趣。
-
Linus Torvalds 告诉 AI 批评者要么分叉 Linux，要么走开 · 跟踪 10 个来源
Linux 的创造者 Linus Torvalds 公开表示，该操作系统并非“反人工智能”项目。他回应了反对将 AI 工具集成到 Linux 开发中的批评者，建议如果他们不同意他的立场，就“分叉”该项目。Torvalds 强调，Linux 开发中的决策基于技术优势，而非对新技术的恐惧，并且 AI 工具对内核开发很有用。
-
新的Sentinel管道审计AI代理MCP服务器的安全风险
一个名为Sentinel的新审计管道已被开发出来，用于保护模型上下文协议（MCP）服务器，这些服务器允许AI代理与外部工具进行交互。该管道采用六层方法，首先对源代码进行静态分析，检查已知漏洞、许可证合规性和硬编码的秘密。然后进行基于模式的行为分析和一个主动探测，发送对抗性输入以检测潜在的数据泄露、命令注入或SSRF漏洞。最后，它利用gVisor沙箱将MCP服务器与主机内核隔离，防止内核级别的攻击。
-
xclock 实用程序已更新以支持 BSD 系统
xclock 实用程序，一个用于 BSD 操作系统的时钟应用程序，已更新。具体版本或更改未详细说明，但其与 BSD、FreeBSD 和 NextBSD 的关联表明在开源社区内持续的开发和支持。
-
Makiai 发布 Cogito-2.1 LLM，支持高级推理和本地部署
Makiai 发布了 Cogito-2.1，这是一款先进的推理 LLM，专为复杂指令和企业生产力而设计。该模型在结构化推理、代码生成以及在长对话中保持上下文方面表现出色。Cogito-2.1 可通过 Ollama 或 LM Studio 在各种操作系统上本地部署，性能取决于硬件和量化技术。还提供云版本，供寻求最大功能而无需专用硬件的用户使用。
-
软件工程师推出新的反AI Mastodon实例
一位软件工程师创建了一个名为snac2的新自托管Mastodon实例，并打算完全迁移到该账户。这位自认为是反AI的用户计划发布与文化、Emacs和BSD相关的内容。这个单用户实例具有自动删除消息的功能，并专注于避免引起愤怒的内容。
-
NeXTSpace UI 从 Linux 移植到 BSD
NeXTSpace 项目旨在复制 NeXTSTEP 用户界面，已从 Linux 移植到 BSD。该 UI 基于 OpenStep 和 GNUstep，并借鉴了 NeXT 计算机工作站上原始 NeXTSTEP 界面的灵感。
-
FreeBSD 使用 AI 查找和修复安全漏洞
FreeBSD 项目已启动一项新计划，利用人工智能识别和修复其操作系统中的安全漏洞。该 AI 辅助项目旨在通过主动发现和解决潜在弱点来增强 FreeBSD 的安全态势。该举措强调了将 AI 工具集成到核心软件开发和维护流程中的日益增长的趋势。
-
Y2K bug在旧BSD构建中重现，由荷兰开发者发现
一位荷兰开发者在旧的BSD构建中发现了一个类似于Y2K bug的2000年问题缺陷。该漏洞存在于一个依赖短波授时广播的系统中，除非仍在运行PDP-11/70，否则不会构成威胁。这一发现凸显了遗留系统中可能存在的潜在问题。
-
Anthropic 的 Claude AI 阻止传染性软件许可
据观察，Anthropic 的 AI 模型 Claude 会阻止用户输出某些软件许可，特别是那些具有传染性条款的许可。该 AI 似乎阻止了 AGPL-3.0、GPL-3 和 Apache 2.0 等许可的逐字复制，但允许 MIT 和 BSD 等更宽松的许可。这种行为表明 Anthropic 正在实施限制，以防止 AI 的输出被用于可能违反商业用途或衍生作品条款的方式。
-
用户建议AI编程的软件应采用BSD许可证
一位Mastodon用户质疑，声明由AI编程的软件是否应自动采用BSD许可证发布。该用户认为，如果AI生成的代码本质上是窃取的代码，那么它就应该免费提供。
-
新框架利用语言模型和最优传输检测跨操作系统APT
研究人员开发了一个新颖的框架，可以在不同操作系统之间检测高级持续性威胁（APT），而无需目标系统的任何标记数据。该方法使用自然语言处理来描述进程行为，使用预训练的语言模型嵌入这些描述，然后应用最优传输方法来量化从源操作系统学到的正常行为的偏差。在多个APT场景和操作系统上的评估表明，与现有的仅源方法相比，检测准确性有所提高。
-
AI 模型在训练过程中抹除开源归因
开源许可证，如 MIT、BSD 和 Apache，通常要求署名原作者。然而，当使用这些许可证的代码库训练大型语言模型时，作者信息常常被剥离。这种做法有效地抹去了人类创作者的身份，尽管模型可以复现他们的工作。
-
作者回顾90年代科技理想主义与AI的兴起
作者回顾了Linux和开源倡导的早期，将上世纪90年代微软的垄断权力与当前AI发展格局进行了类比。他们表达了如果操作系统本身是最近才出现并被单一实体控制的发明，他们可能会感到沮丧，这与他们对当前AI发展方式的感受相似。文章在AI的背景下触及了开源原则和社区的主题。