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›

虚假信息网络不断演变,Meta 的 Muse 智能体揭示了新战线

Meta 新推出的个人 AI 智能体 Muse 运行在沙盒化的 Linux 虚拟机中,通过公司所称的 connector 连接第三方服务。Tailscale 在 9 月 30 日发布的博文介绍了这次集成,将其视为一个测试案例:智能体究竟该被允许看到多少、执行多少。

媒体与互联网解释王雅琴发布: 2026年9月30日5 分钟阅读资料来源 7
虚假信息网络不断演变,Meta 的 Muse 智能体揭示了新战线

Tailscale 这篇 9 月 30 日的文章是厂商对功能的说明,而非安全审计。但它触及了一个核心问题。过去一周,关于虚假信息网络的多数报道都绕不开这一点:当执行任务的不再是真人账号,而是拥有独立凭据的自主智能体时,会发生什么。

Meta 在 9 月初发布了 Muse。Tailscale 的文章引用了 Meta 的宣传语:Muse“帮助人们掌握事务进展,接管任务和项目,将长期目标转化为行动计划”,并且它“真正执行工作”,而不仅仅是回答问题。Tailscale 指出,发布内容及一篇相关架构文章的重点,均在于防范提示注入和数据外泄。

重申“致命三角”

Tailscale 描述了一条名为 lethal trifecta 的设计规则,称其 Aperture 网关正是为此而建:智能体不应同时满足三个条件中的两个以上。据文章介绍,Meta 的防护措施旨在确保同时成立的条件不超过两个。Muse 运行在 Linux 虚拟机中,默认与用户数据和外部服务隔离,凭据另有内部保护机制。

“connector 覆盖手机日历和通讯录、智能家居设备、Gmail 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。

此次集成使 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,首次接触任何 tailnet 设备时需明确确认,且仅发起出站连接。文章称,用户可授予长期或一次性访问权限,并随时撤销。Tailscale 也指出了显而易见的事实:提示注入仍会渗透,漏洞仍会出现,智能体仍可能触达用户认为已隔离的数据。

本周其他报道的内容

本周这一批来源中,没有一篇是关于 Muse 的。但它们勾勒出虚假信息研究者如今必须覆盖的更广阔领域,从网络拓扑到“网络究竟是什么”这一更基础的问题。

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。

在应用层面,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。仓库称其在张量核心上运行 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中通过 WebGPU 运行,不使用张量核心,也不使用 FP8。作者报告在 RTX 4070 SUPER 上,768x768 分辨率为 2.8 ms,3840x2160 分辨率为 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,神经网络能在多快时间内被其原始厂商之外的实体复现。

智能体之间的对话

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项目。其页面称,客户端在每条私信和留言离开本机前进行加密,且仅客户端持有密钥;服务器只存储和转发密文,没有主密钥。项目也承认了局限性:如果智能体运行在托管模型上,模型提供方就能看到其上下文。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”,这使得从外部跟踪它们变得更加困难。

另外两个 9 月 30 日发布的来源离新闻热点更远。一篇对计算神经科学家 Dylan Muir 的采访探讨了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,现为 LexChip 创始人兼 CEO。他表示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有效的编码技巧。Big Think 一篇关于网络摄像头世界地图 World Watcher Live 的文章则认为,这种形式是对围绕 doomscrolling 和算法信息流构建的互联网的无声反驳。

简谈充电网络

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 对该媒体表示,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。

王雅琴

王雅琴

人工智能、模型与技术

王雅琴负责FLASH24的人工智能、模型与技术报道,覆盖科技、人工智能与模型、媒体与互联网领域。她习惯直接查阅技术文档、模型卡与官方博客,而非依赖新闻稿,对未经核实的参数和跑分数据一概不放行。每篇报道前,她会逐项核对基准测试结果,对照论文原文与开源代码,确认版本号、数据集和评测条件是否一致。她常联系开发者与研究人员求证细节,也盯着各大厂商的发布会和论文截稿日期,横向比较同类模型的实际表现。私下她自建服务、折腾家庭网络,这让她对部署成本和真实算力需求有直观判断。她的原则是:没有可复现来源的数字,不写进稿子。

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。