六家大型科技公司共同提供了1250万美元的资助,用于帮助开源项目维护者应对AI生成的垃圾漏洞报告。
Linux基金会在公告中解释道:"随着安全形势变得更加复杂,AI的进步正在大幅提高开源软件漏洞发现的速度和规模。维护者现在面临着前所未有的安全发现涌入,其中许多是由自动化系统生成的,但他们却没有足够的资源或工具来有效地分类和修复这些问题。"
Anthropic、AWS、GitHub、谷歌、微软和OpenAI决定提供帮助,共同为该项目投入1250万美元。
Linux基金会旗下致力于改善开源供应链安全的Alpha-Omega项目将与开源安全基金会(OpenSSF)共同运营这一新计划。
据介绍,这两个组织"直接与维护者及其社区合作,使新兴的安全能力变得易于访问、实用,并与现有的项目工作流程保持一致。"此外:"该计划将支持可持续的策略,帮助维护者管理日益增长的安全需求,同时提高开源生态系统的整体韧性。"
Linux基金会的公告中引用了Linux内核项目的Greg Kroah-Hartman的一段话,开头写道:"仅靠资助并不能解决AI工具今天给开源安全团队带来的问题。"
不过不必担心,GKH并没有否定这个想法。这段话接着说:"OpenSSF拥有支持众多项目所需的活跃资源,这将帮助这些过度劳累的维护者对他们目前收到的越来越多的AI生成的安全报告进行分类和处理。"
目前尚未透露该项目的具体实施内容和时间表。
AI生成的漏洞报告淹没开源软件维护者的问题并不新鲜。Python软件基金会在2024年底就对此提出过抱怨。最近,流行的开源数据传输工具cURL的维护者因大量AI生成的贡献带来的困难而终止了该项目的漏洞赏金计划。
就连微软的GitHub也曾考虑对涌入开源软件项目的大量低质量AI生成贡献采取措施。
Q&A
Q1:Linux基金会启动的这个项目是为了解决什么问题?
A:该项目旨在帮助开源项目维护者应对AI自动化系统生成的大量漏洞报告。随着AI技术的发展,开源软件漏洞发现的速度和规模大幅增加,维护者面临前所未有的安全报告涌入,但缺乏足够的资源和工具来有效分类和修复这些问题。
Q2:哪些科技公司为这个项目提供了资助?
A:Anthropic、AWS、GitHub、谷歌、微软和OpenAI这六家大型科技公司共同为该项目提供了1250万美元的资助。该项目将由Linux基金会的Alpha-Omega项目与开源安全基金会共同运营。
Q3:AI生成的漏洞报告给开源项目带来了哪些实际影响?
A:AI生成的低质量漏洞报告已经严重影响了多个开源项目。Python软件基金会在2024年底就对此表示抱怨,流行的开源数据传输工具cURL的维护者甚至因为大量AI生成的贡献带来的困难而被迫终止了漏洞赏金计划。这些垃圾报告让本已过度劳累的维护者不堪重负。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。