北京时间4月6日消息,Facebook周二宣布为10亿多WhatsApp聊天应用的用户改进默认的加密设置,只允许发信人和收信人查看信息。
这项更新正值“苹果叫板FBI”闹得沸沸扬扬之际——FBI要求苹果解锁圣伯纳迪诺枪击案嫌疑人使用的iPhone,但却遭到这家科技巨头的拒绝。
WhatsApp两年前已经开始开发全面的端对端加密技术,并使用了非盈利安全组织Open Whisper Systems提供的软件。这款聊天应用从2014年开始为两个用户之间的纯文本通讯信息默认启用这项技术,但群聊信息以及富媒体信息却没有完全加密。
该公司表示,从周二开始,所有的WhatsApp信息都将获得端对端的加密支持。也就是说,即使执法部门强制介入,该公司也无法读取用户的信息。
“想法很简单:当你发送信息后,你所发送的目标用户就是唯一能够读取信息的个人和组织。没有人能够看到这些信息。”WhatsApp在博客中宣布了这条消息,“包括犯罪分子、黑客、政府,甚至连我们都不行。”
美国司法部拒绝对WhatsApp升级加密技术一事发表评论,FBI尚未对此置评。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。