
北京时间6月15日早间消息,维基传媒基金会上周日表示,该公司将面向旗下所有项目的所有用户随时提供HTTPS协议。
事实上,如果用户愿意,之前也可以使用HTTPS协议访问维基传媒基金会旗下的网站,最著名的当属维基百科。但该基金会现在决定,旗下服务将全面支持HTTPS协议:“过去几年,有关政府监控问题的担忧与日俱增,促使维基传媒社区的成员通过HTTPS开展了更为广泛的保护。”
“我们相信加密将加固所有人的网络。”维基传媒基金会说,“在一个大规模监控严重威胁知识自由的世界里,安全的连接是保护世界各地用户的关键。如果不加密,政府便可更加容易地监控敏感信息,制造寒蝉效应,阻止人们参与其中,在极端情况下甚至可能隔离和惩罚公民。帐号也有可能被黑,页面可能遭到审查,其他一些安全漏洞也有可能暴露敏感的用户信息和社区。由于这些问题,我们相信现在是时候用HTTPS加密维基传媒的所有流量了。”
该基金会还补充说:“我们鼓励其他人与我们一同开展此类活动。”
不过,要开展这项措施并不容易。维基传媒基金会表示,该公司首先要改进基础设施和代码,以便支持HTTPS,还要大幅拓展和升级服务器硬件。由于并未部署第三方内容传输系统,因此该基金会必须要对内部的所有基础设施部署这一流程。
维基传媒基金会表示,该公司从事这项工作已经有一段时间,直到现在才进入到最后阶段,预计将在3周内部署完毕。
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。