跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

虚假信息网络不断变形,Meta 的 Muse 智能体展示了最新战场

Meta 新推出的个人 AI 智能体 Muse 跑在沙盒化的 Linux 虚拟机里,通过公司所说的 connector 连接第三方服务。Tailscale 在 9 月 30 日发博客介绍了这次集成,并把它当成一个测试案例:一个智能体到底该被允许看到多少、做多少。

媒体与互联网解释林晓雯发布: 2026年9月30日5 分钟阅读资料来源 7
虚假信息网络不断变形,Meta 的 Muse 智能体展示了最新战场

Tailscale 这篇 9 月 30 日的文章是厂商对一项功能的说明,不是安全审计。但它撞上了一个问题。过去一周里,多数关于虚假信息网络的报道都绕不开它:干活的不是真人账号,而是一个带着自己凭据的自主智能体,这时会发生什么。

Meta 在 9 月早些时候发布了 Muse。Tailscale 的文章引用了 Meta 的说法:Muse“帮助人们掌握事情的进展,把任务和项目从他们手上接过去,把长期目标变成行动计划”,而且它“真的会去做”,不只是回答问题。Tailscale 写道,发布内容的一大块以及一篇相关架构文章,重点都放在防范提示注入和数据外泄上。

重新说一遍那只致命三角

Tailscale 描述了一条它称为 lethal trifecta 的设计规则,并说自家的 Aperture 网关就是为它而建:智能体不应同时满足三个条件中的两个以上。按文章说法,Meta 的防护措施目标是让同时成立的条件不超过两个。Muse 跑在一台 Linux 虚拟机里,默认与用户数据和外部服务隔开,凭据另有内部保护。

“connector 覆盖手机日历和通讯录、智能家居设备、Gmail 以及大多数其他 Google 服务、Microsoft Outlook、Spotify,当然还有 Meta 自家其他应用,”Tailscale 的文章写道。

这次集成让 Muse 成为用户 tailnet 上的一个节点。它独立于手机、桌面或网页客户端建立连接,第一次接触任何 tailnet 设备时需要明确确认,而且只发起对外连接。文章说,用户可以授予长期或一次性访问权限,并随时撤销。Tailscale 也点明了显而易见的事:提示注入仍会钻进来,漏洞仍会发生,智能体仍可能触达用户以为被隔离的数据。

本周其他报道说了什么

本周这一批来源里没有一篇是关于 Muse 的。但它们勾出了虚假信息研究者如今必须覆盖的更大地形,从网络拓扑到“网络到底是什么”这个更平常的问题。

9 月 30 日发表在 Geometry Matters 上的一篇网络几何综述描述了三个研究方向:网络结构的自相似分形几何、网络潜在空间的双曲几何,以及扩散等动态过程诱导出的几何。作者 Marián Boguñá、Ivan Bonamassa、Manlio De Domenico、Shlomo Havlin、Dmitri Krioukov 和 M. Ángeles Serrano 认为,隐藏的双曲几何有助于解释小世界性、度异质性、聚集性、社区结构和可导航性。这离审核队列很远。但一些虚假信息网络论文在试图描述簇如何形成和扩散时,借用的正是这套数学词汇。

在应用一侧,9 月 30 日发布的一个 GitHub 项目 OpenDLSS-NR 用 Vulkan 重新实现了 Nvidia 的 DLSS 5 Neural Rendering 网络,声称中间结果与 DLSS-NR build 310.8.0 逐位一致。仓库称它在张量核心上跑 FP8,六个池化层级上共 71 个 Swin 和 ViT 块,权重 141 MiB。另有一个独立实现在浏览器里通过 WebGPU 运行,不用张量核心,也不用 FP8。作者报告在 RTX 4070 SUPER 上,768x768 为 2.8 ms,3840x2160 为 29.3 ms,取 40 帧中的最小值;浏览器版本在 512x512 下为 72 ms。这些都与虚假信息无关,但它提醒人们,一个神经网络多快就能在造它的厂商之外被复现。

智能体与智能体对话

第三项是 9 月 30 日的 Agent Haven,一个自称面向 AI 智能体的端到端加密消息网络的项目。其页面称,客户端在每条私信和留言离开本机前加密,并且只有客户端持有密钥;服务器只存储和转发密文,没有主密钥。它也承认了限制:如果智能体跑在托管模型上,模型提供方就能看到它的上下文。项目作者写道,智能体“通过游戏长出属于它们自己的共同语言”,这让从外部跟踪它们变得更费劲。

另外两个 9 月 30 日发布的来源离新闻更远。一篇对计算神经科学家 Dylan Muir 的采访讨论精确的脉冲时序是否携带信息,还是脉冲只是传输信息的一种高效方式。Muir 曾任 SynSense 全球研究运营副总裁,现在是 LexChip 的创始人兼 CEO。他说自己无法断定单个脉冲时序对皮层在计算上是否必不可少,并怀疑神经元会采用任何管用的编码技巧。Big Think 一篇关于网络摄像头世界地图 World Watcher Live 的文章则认为,这种形式是对一个围绕 doomscrolling 和算法信息流搭建的互联网的安静反驳。

顺便说说充电网络

为求完整:InsideEVs 在 9 月 30 日报道,Ionna 在美国已有 180 多个充电站点,是 2026 年初规模的两倍多。CEO Seth Cutler 对该媒体说,公司年初有 80 个站点,并在两周年时达到第 100 个。Ionna 在 J.D. Power 的 2026 年美国电动汽车体验公共充电研究中排名第一。但据 Paren 报道,特斯拉在第二季度安装了更多充电桩,沃尔玛位列第二。公司目标是在 2030 年前于美国和加拿大建成 3 万个充电插头,并称已有 40 多个 Circle K 合作站点上线。

这不是虚假信息。但这类数字正是那种不经核对就会被反复引用的数字,而这差不多就是上述每一个来源都在绕着打转的问题。

评论 0

资料来源

7
  1. 01Agent, your network: How Meta's Muse agent works with TailscaleEN
  2. 02The fractal-hyperbolic geometry of networksEN
  3. 03OpenDLSS: A Vulkan Reimplementation of Nvidia's DLSS 5 Neural Rendering NetworkEN
  4. 04Agent haven, an end-to-end encrypted messaging network for AI agentsEN
  5. 05Spikes, wiring, and general principles: Neuroscience and spiking neural networksEN
  6. 06How to restore your online sanity, one random webcam at a timeEN
  7. 07Ionna Has Doubled Its Charging Network This Year. It's Not Slowing DownEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。