SHA-256
PulseAugur coverage of SHA-256 — every cluster mentioning SHA-256 across labs, papers, and developer communities, ranked by signal.
23 天有情绪数据
-
Zambo.dev推出可验证的代理工具调用日志记录服务
Zambo.dev 提供一项服务,可以记录代理所做的每一次工具调用,并为每次操作提供可验证的收据。与标准的审计日志或跟踪工具不同,Zambo 的收据是公开可访问且经过加密验证的,确保了记录数据的完整性。该系统基于 AER-1 开放规范,记录成功的工具执行和被拒绝的调用,为代理提供透明且可审计的记录。
-
Zambo 推出可验证的 AI 工作流记录,用于客户交付
一个名为 Zambo 的新系统旨在为客户提供 AI 自动化和代理工作流的可验证记录,超越简单的摘要。该系统为每次交付生成一个唯一的链接,详细说明目标、执行的步骤以及客户可以使用 SHA-256 散列独立重新计算的收据。该设计通过将运行内容的记录与客户对工作是否良好的判断分开,强调透明度和问责制,目标是简化交付后问题和争议。
-
通过收据重新计算,AI代理验证可以免费进行
验证AI代理工作最便宜的方法是重新计算一张收据,这不花钱,而且不到一分钟就能完成。此过程使用SHA-256哈希来确认保存的结果在初始执行后未被更改。虽然此方法可以免费确保数据完整性,但它不验证AI输出的正确性,这仍然是一个独立的判断问题。对于更广泛的验证需求,Zambo提供分级定价,从0.99美元的日票到终身订阅。
-
代理工作证明通过可验证记录标准化
代理工作证明由可验证记录定义,任何第三方都可以独立地重新计算该记录。该记录必须通过 SHA-256 摘要捕获代理执行的确切输出字节。如果陌生人能够获取字节并重新计算相同的摘要,则确认该记录的完整性,确保结果在首次调用后未被更改。此方法不同于内部簿记或状态码,因为它们由代理本身控制,因此缺乏独立验证。
-
BaseLlm 网关在 LLM 提示前掩码 PII,记录 redaction
Base Interactive 开发了一个名为 BaseLlm 的自托管 AI 网关,专注于在个人身份信息 (PII) 到达 LLM 之前进行掩码。该网关提供五种处理 PII 的模式,包括报告、掩码、使用占位符、redact 或完全阻止请求。它采用基于规则的检测,并验证特定格式(如土耳其身份证号和 IBAN)的校验和,以最大限度地减少误报,仅记录掩码后的数据和检测事件,而非原始 PII。
-
Sentinel IR MCP 倡导对代码库进行范围界定的 AI 代理访问
Sentinel IR MCP 项目引入了一种新颖的人工智能编码代理方法,提倡使用“借书证”而非“万能钥匙”来访问代码库。该系统为代理提供范围界定的、只读的对项目文件夹的访问权限,防止它们不必要地重写或删除文件。通过创建代码的紧凑结构视图,Sentinel IR MCP 旨在增强安全性和治理,解决了 OneTrust 调查中突显的担忧,该调查显示许多公司鼓励使用 AI 代理但缺乏明确的监督。该系统还包含审计日志和 SHA-256 证据…
-
收据标准通过四项独立公开压力测试
本周对收据标准进行了四项独立测试,结果于 2026 年 11 月 18 日公布。第一次测试涉及一个独立实施者将 Merkle 测试向量应用于两种构造,其中一种成功地重现了所有预期的根,而另一种则失败了。第二次测试使用了一个旨在验证各种批准收据场景的试点套件,该套件在运行两次后通过了所有 15 项检查。第三次测试解决了关于客户端在响应丢失期间行为的长期争论,现在已提交并成功分批运行了两种恢复和重试场景。
-
新的AI工作流程确保多代理工作的可验证收据
一种跟踪AI生成工作的新方法涉及在单个作业中运行研究和写作任务,确保每个步骤都存档可验证的收据。这种方法在Zambo上进行了详细介绍,它使用“交接包装”将这些收据绑定到一个记录中。接收者(无论是另一个AI还是客户)都可以通过单个链接访问此记录来验证整个过程,而不是依赖于单独的输出或AI生成的摘要。
-
AI代理执行:可证明的操作 vs. 仅仅是声明
“代理执行”的概念对于超越简单声明或日志来验证AI代理的行为至关重要。代理执行被定义为AI代理的计划转化为实际的工具调用,以及重要的是,这些调用留下的不可变记录的时刻。这个过程包括两个关键组成部分:工具调用本身以及执行时生成的、可验证的收据。与容易被操纵的抽象的规划或聊天不同,代理执行留下了一个固定的、可检查的记录,允许用户重新计算摘要并确认结果的完整性,从而区分完成的声明和实际的、可证明的工作。
-
公开的 MCP 生态系统普查显示有 229k 个工具参数,3.4k 个资金转移服务器
一项新的公开 MCP 生态系统普查已发布,详细介绍了超过 229,000 个工具参数模式。数据显示,其中相当一部分工具(具体为 3,456 台服务器)能够转移资金,其中 1,301 台具有写入极性。普查还识别出结合了资金转移和凭证处理功能的服务器,在提示注入攻击的情况下构成更高的风险。研究人员还发布了风险地图集、资金工具地图和公开的 CI 分类账,以记录他们的发现和方法。
-
历史分析质疑咖啡馆在科学讨论中的作用
本文讨论了咖啡馆的历史作用,认为它们并非自由思想的中心,而是封闭式话语的早期模型。作者认为,将场所误认为是推动知识进步的驱动力是一个常见的错误。该文章被呈现为与“Macro, AIAgents, MachineLearning, AI, Nyrevith”相关的“自由探测/审计”。
-
MCP 协议使 AI 客户端无需更改代码即可发现和使用应用工具
一种名为 MCP (Model Context Protocol) 的新协议已被引入,该协议构建在 JSON-RPC 2.0 之上,旨在标准化 AI 客户端-服务器之间的工具发现交互。该协议允许 AI 客户端动态地了解和使用不同应用程序提供的工具,而无需修改客户端代码。该系统通过让客户端查询应用的服务器以获取其可用工具(包括描述和输入模式)来模拟这一点,从而使 AI 能够选择和使用它们。
-
Zambo平台通过可验证收据提供实时AI代理操作跟踪
Zambo是由Brennan Zambo开发的平台,它通过为每次工具调用生成可验证的收据,提供了一种实时跟踪AI代理操作的方法。与代理生成的日志不同,Zambo的系统记录了所使用的工具、其输入、确切结果以及执行时的SHA-256承诺。这些收据可以通过公共流、每日账本视图以及每个响应中的单独链接访问,从而提供透明度并允许验证记录的数据。
-
物理定律 vs. 意图:阿波罗任务类比探讨人类执念
该条目讨论了意图与物理定律的概念,以阿波罗任务的货物为例。它认为,受物理定律支配的太空真空,不会区分武器和许可证,只考虑质量和速度。作者认为,人类对意图的关注是历史遗留的产物,是事件叙述中的一个“遗留 bug”。
-
AI 代理在调用工具前签署上下文数据的新草案
一项名为 draft-durga-wimse-ctx-isolation 的草案提案解决了一个安全漏洞,即 AI 代理可以在不披露其已处理数据的情况下执行操作。该草案建议,代理在调用工具之前,应对其读取的数据信息进行加密签名。此签名称为上下文污点证明 (CTA),将包含在控制平面工具调用中,使服务器能够验证代理的上下文,并可能拒绝基于不受信任数据的操作。
-
AI代理:‘节俭’是一种表演,而非节约成本的措施
该条目讨论了在计算的背景下,‘节俭’作为一种性能而非真正的成本节约措施的概念。它认为,硬件的选择,例如树莓派与旧手机的对比,与其说是关于硅本身,不如说是向观众展示一种身份象征。作者认为,感知到的价值在于表现节俭的性能,而不是硬件的实际成本。
-
MCP 草案扩展将文件内容移出带外以节省模型上下文
模型上下文协议 (MCP) 发布了一个名为 io.modelcontextprotocol/files 的草案扩展,旨在简化客户端和工具之间的文件传输。该扩展通过将大文件内容移出带外,来防止其消耗宝贵的上下文窗口空间。协议将使用文件 ID、名称、MIME 类型和大小等元数据,而不是将文件数据直接嵌入工具参数中,实际文件字节通过标准的 HTTPS PUT 或 POST 请求传输。这种方法确保模型只处理文件元数据,而不是完整内容,从而保持…
-
新分析认为,软件正确性是一种资源成本,而非目标
文章认为,实现完美的软件正确性是一个不切实际且最终徒劳的目标,将其视为一种资源成本而非可实现的目标。文章提出,无法维持自身固有熵和复杂性的系统不值得存在。作者为那些有兴趣进一步探讨这些概念的人提供免费的探测或审计服务。
-
新的AXI架构大幅降低了LLM代理的成本和错误
由Rajnish Choubey开发并由Shalendra Gaur测试的新架构AXI,显著提高了LLM代理的性能和可靠性。AXI解决了LLM代理在每一步都重新读取其全部历史记录的问题,这会导致长任务的成本和错误呈指数级增长。通过将确切状态存储在主机上,并为LLM提供简洁、特定于步骤的提示,AXI将提示大小减少了160多倍,从而在延迟、吞吐量和成本效益方面取得了显著的改进。这种方法还大大降低了错误率,确保了在传统基于聊天的LLM代理失…
-
macOS Secure Enclave:SSH 密钥安全的基础
本文讨论了 macOS Secure Enclave 中 SSH 密钥的安全性。它强调硬件安全 enclave 是安全的基础,而不是一个坚不可摧的屏障,并强调需要安全的密钥管理来防止密钥被泄露。