Ledger
PulseAugur coverage of Ledger — every cluster mentioning Ledger across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的LEDGER算法解决了在线优化中的噪声约束问题
研究人员开发了一种名为LEDGER的新算法，用于约束在线凸优化，专门解决约束值和梯度易受对抗性噪声影响的场景。该算法旨在平衡预期遗憾和预期预算违规，与先前的方法相比提供了改进的性能界限。LEDGER在各种参数设置下均取得了有竞争力的结果，无需Slater条件，并且还为可预测的可行比较器路径提供了动态遗憾保证。
-
Ledger、Tzoror 推动负责任的 AI 漏洞披露
硬件钱包制造商 Ledger 和 Tzoror 呼吁负责任地披露 AI 发现的漏洞。他们敦促安全研究人员私下报告漏洞并遵守商定的修复时间表，尤其是在最近发生泄露事件之后。
-
新系统 LEDGER 助力 LLM 代理工作流审计
研究人员开发了 LEDGER 系统，用于审计大型语言模型 (LLM) 代理的输出。LEDGER 从代理会话构建分层追踪图，将执行事件组织成证据和工作流节点。这些图使用语义边将声明与支持性操作、工件和验证步骤连接起来，从而能够详细审查工件溯源、修复过程和以证据为中心的审计的声明支持路径。
-
AI模型发现硬件钱包漏洞，引发安全担忧 · 跟踪2个来源
据报道，Anthropic 的 AI 模型 Claude 在几分钟内识别出了 Coldcard 硬件钱包随机数生成（RNG）中的一个漏洞。该漏洞被怀疑导致了超过 1 亿美元的盗窃，凸显了人工智能在发现安全弱点方面的日益增长的应用以及未经验证的开源代码带来的风险。此事件还引发了对 Ledger 和 Trezor 等其他硬件钱包制造商潜在影响的担忧。
-
政治身份为科技初创公司注入数十亿美元的消费者资金
消费者资金越来越多地受到政治身份的驱动，各领域的公司都在利用对传统机构的不信任。Oura 和 Whoop 等可穿戴技术公司，以及比特币硬件钱包制造商 Ledger，通过吸引希望优化健康或保护资产的用户的注意，在传统体系之外获得了大量风险投资。同样，Cursor 等 AI 编码工具通过利用对现有开发范式的超前不信任，吸引了巨额投资。这些企业，无论其政治立场如何，都通过提供“身份基础设施”成功地将世界观转化为经常性订阅收入。
-
Coldcard 硬件钱包漏洞导致可预测助记词泄露，1 亿美元比特币被盗
Coldcard 硬件钱包中存在的安全漏洞导致至少 1 亿美元的比特币被盗。该漏洞源于其生成助记词时使用的可预测模式，使得黑客能够猜测并加以利用。尽管 Coldcard 在硬件钱包市场中属于小众产品，但此次事件意义重大，因为它针对的是遵循最佳自我托管实践的安全意识强的比特币用户，引发了对这类设备可靠性的担忧。
-
Coldcard 比特币钱包漏洞导致 1400 枚比特币被盗
自 2021 年起就存在的 Coldcard 硬件比特币钱包配置错误在上周末被利用，导致超过 1400 枚比特币被盗。作者认为，即使对 AI 持怀疑态度，不使用 LLM 分析安全相关代码也是疏忽大意的，尤其是攻击者已经在这样做了。虽然 LLM 分析不能替代专业审查，但有可能发现 Coldcard 固件中的这个 bug。
-
CAI.com 发布四大集成式AI代理产品支柱
CAI.com 推出了一套四大产品支柱，旨在与AI代理集成。这些产品包括：一个功能齐全的电子邮件服务，提供API接口供代理读取和发送消息；一个托管式多链稳定币钱包，支持六条链和外部钱包连接；一个用户保险库，用于存储代理在确认后可访问的网站凭证；以及一个代理服务，用于使用CAI API构建和部署AI代理。
-
CAI.com 发布集成托管式多链稳定币钱包
CAI.com 已在其账户中推出集成式托管式多链稳定币钱包，设置仅需电子邮件验证。该钱包支持六条不同的区块链，并允许用户连接 MetaMask 和 Ledger 等外部钱包来管理资产。用户可以通过外部转账或通过 MoonPay 进行法币入金来为钱包充值，在支持的地区也可以选择微信支付。
-
AI 问 探讨社会分歧、社会资本和财富不平等
该条目讨论了共同目标克服社会分歧的潜力，探讨了社会资本、财富不平等和财政政策等主题。它将这些问题置于治理和公平的背景下，暗示需要共同目标来弥合社会分歧。
-
LEDGER系统通过依赖图增强可代理文档编辑 · arXiv
研究人员开发了LEDGER，一个旨在通过构建轻量级依赖图来改进可代理文档编辑的新系统。该图模拟了文档结构，包括引用和语义关系，从而能够高效地为编辑选择上下文。在1.9k个测试用例的基准测试中进行的评估表明，LEDGER将六个最先进模型的连贯性从56%提高到76%，同时减少了令牌使用量。该系统证明了显式的依赖表示可以部分替代可代理文档编辑的密集内部推理。
-
新的LEDGER基准测试LLM在长上下文财务报告分析方面的能力
研究人员推出了LEDGER，这是一个新的基准数据集，旨在评估大型语言模型在财务检索和提取方面的长上下文能力。该数据集包含4,999份数字化的公司年度报告，包含图表、表格和叙述性文本，超越了简化的监管文件。LEDGER包含三个不同的评估基准，从页面级别的KPI检索到对话式查找和完整的KPI提取，所有这些都源自数字密集、篇幅较长的报告。该项目还提供了人工标注的数据和一套全面的提取、验证和评分工具链，并通过CEO信件修辞和市场影响的案例研究…
-
资深工程师携AI编码伙伴打造加密硬件钱包
资深日本工程师 Kazunori Asada 在不到九个月的时间里开发了一款名为 Openloop 的新硬件钱包，广泛利用 AI 进行编码和研究。尽管 AI 容易忘记规则并放弃，Asada 仍保持亲力亲为的方法，指导 AI 并逐行验证其代码。他利用 M5Stack 开发平台进行原型设计，并将批量生产外包给同一家公司，集成了独立开发的定制硬件和固件。
-
Ledger 优先考虑人工监督以应对人工智能驱动的网络威胁
Ledger 正在采用“人工干预”方法来打击人工智能驱动的攻击和数据泄露。该公司认为，由人员进行物理交易授权是抵御自动化网络钓鱼活动的唯一有效防御手段。该策略旨在应对日益复杂的网络威胁，以增强安全性。