
日前Uber服务器遭到攻击导致服务暂停的事件有了最新消息,昨日晚间有消息人士爆料称在淘宝平台已有卖家开始公然出售用户信息,包括用户姓名、手机号码、信用卡的信息每条售价1元。
在这家名为“小蛋卷家”的淘宝店铺中,出售的是uber北京、上海、广州、深圳、杭州、成都、天津等地的用户信息,截至目前,该卖家已经进行了3笔交易,三位人士匿名购买了21份,随后该商品被下架。
这并非uber的用户信息第一次被泄露,去年9月,uber的一个数据库被黑,导致5万名司机的详细个人信息被泄露。今年3月,有两家卖主在暗网市场上销售Uber有效账号,一旦购买了账号,购买者便可以使用有备录的任何支付信息来下订单。这些账号含有原用户的旅行史、电子邮箱、电话号码以及家庭住址和工作地点的相关信息。
今年4月底,Uber国内少数城市出现短时间的技术故障,当时即有消息称,uber服务器被黑,数据发生泄露,随后Uber官方否认了用户信息遭到泄漏的猜测。
有不愿具名的技术人员透露,虽然很可能出售的信用卡信息并非用户全部的信用卡信息,但至少可以看见用户信用卡卡号的最后4位和信用卡有效期。用户信息如果包含用户账户和密码信息的话,那么数据将造成其他糟糕的后果,它影响的不仅仅是某一个Uber帐户。
“如果某人使用相同的电子邮箱和密码注册其他服务比如淘宝、京东,就可能连带着把该用户在其他服务上的帐户信息也偷走。”该技术人士如是说。
截稿前,uber方面尚未就此次淘宝商家出售用户信息的情况进行回复。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。