深度研究|Agent 沙箱技术核心架构方案:从 microVM 隔离到硬件加速快照的七层设计
基于视频《为什么沙箱成了 AI 圈最卷的新基建》的深度延伸调研。逐层拆解 Agent 沙箱的七层架构:microVM 隔离边界、快照恢复启动路径、Intel IAA 硬件加速压缩、分层镜像按需加载、高密度超卖调度、默认拒绝安全基线、K8s CRD 编排标准。锚定 Firecracker NSDI'20、Sabre OSDI'24、DeepSeek DSec arXiv 2609.22978、Kubernetes SIG Apps Agent Sandbox 等一手来源,逐条标注证据等级,并并列呈现视频口播与论文的口径冲突、8 条常见误判澄清。
阅读全文 →
最新文章
LATEST 共 5467 条给定骨架再写序列:逆折叠设计能做到哪一步
逆折叠把目标骨架作为条件来生成氨基酸序列,但可计算的序列恢复和候选设计不等于实验中的折叠、装配或功能。本文比较 ESM-IF1 与 ProteinMPNN 的输入输出及验证边界。
晶体图网络与材料基准:从 CGCNN、MEGNet 到 Matbench
晶体图神经网络把原子、近邻与周期结构变成可学习表示,CGCNN、MEGNet 与 ALIGNN 分别展现不同的结构编码思路。论文上的误差不能直接比较,除非数据、切分、目标与指标一致。本文梳理三种架构,并用 13 项任务的 Matbench 讨论基准能回答什么、不能回答什么。
分子筛选中的不确定性:把模型分歧变成可校准的决策
分子预测里的“高不确定”不是一种单一现象:集成模型分歧、真实标签噪声、预测区间校准、分布移位与筛选决策各回答不同问题。结合分子性质不确定性比较、evidential learning、原子级归因和 DataSAIL,解释如何校准、如何识别评测泄漏,以及何时应追加实验、改变优先级或拒绝自动筛选。
从序列中学到什么:蛋白质语言模型的表示学习,不是蛋白设计
蛋白质语言模型先从序列中学习上下文表示,再由下游任务读取其中的信息。本文梳理掩码预训练、结构与突变效应评测,并说明表示学习与生成式设计之间的边界。
OWL 推理到底在回答什么:一致性、可满足性与查询蕴含
OWL 推理里的“一致”“可满足”“包含”“实例”和“蕴含”各自量化不同的模型,不能用数据库中有没有一条三元组来代替。本文依照 OWL 2 Direct Semantics 的定义逐项拆解,并说明开放世界、不同名称不自动表示不同个体,以及 SPARQL ASK/BGP 与 OWL entailment regime 的关键边界。
Claude-BugHunter:单日涨星 1600+ 登顶 GitHub,把 681 份公开漏洞报告蒸馏成 83 个 Agent 技能
一个 Claude Code 技能包登上日榜第一:6 阶段工作流、7 问提交门禁、LLM 与确定性 CLI 双执行通道,外加 433 条可审计的报告模式引用——它是「领域知识如何蒸馏进 Agent 技能」目前最完整的公开样本。
从反应物到产物:Molecular Transformer预测的是什么,不确定性又是什么
Molecular Transformer把反应输入输出表示为SMILES序列,并在专利反应基准上预测记录中的产物。本文解析其序列模型和不确定性分数,同时说明基准准确率不能直接当作实验产率或真实成功概率。
原子结构的三维等变网络:让旋转进入神经网络的几何规则
原子结构在整体旋转后不应改变能量,力却必须跟着旋转。三维等变网络把这种几何关系写入表示与消息传递,而不依赖大量旋转增强。本文从 TFN 的球谐滤波讲到 NequIP 的能量与力,再看 MACE 如何扩展高阶邻居相互作用,并界定数据效率、精度与泛化结论的适用范围。
OWL 2、SWRL 与 Datalog:规则推理的表达力边界和互操作语义
OWL 2 RL 的规则化不是把任意本体变成通用 Datalog;SWRL 的语义也不是规则引擎的唯一闭包。本文从标准原文区分语法子集、模型论、公理化规则、否定与跨引擎互操作,并给出安全规则的运行例子。
从离线预测到闭环筛选:机器学习如何参与反应优化
离线模型从既有实验记录学习反应产率或性能,闭环筛选则要让算法提出下一批实验、由真实测量回写并继续决策。以 C–N 偶联建模、移动机器人化学家与 Bayesian reaction optimization 为例,厘清预测、优化和实验验证的差异。
分子自监督预训练:增强视图是否保留了化学语义
分子自监督预训练能利用无标签结构,但“同一分子的两个视图”只有在任务相关语义仍一致时才适合作正样本。本文拆解 MolCLR 的图增强、GraphMVP 的二维—三维跨视图学习与 Uni-Mol 的坐标和原子恢复目标,并解释化学增强的语义边界,以及预训练收益为何依赖任务和数据切分。
分子三维等变 GNN:让网络遵守旋转、平移与置换
分子换一个坐标系不应改变其标量性质,向量与张量预测则必须随坐标一同变换。本文从对称性出发,比较 DimeNet、EGNN、PaiNN 与 NequIP 的几何建模方式,解释等变归纳偏置如何用于分子结构与量子性质预测,并将边界限定在分子任务,而非材料通用原子势。
第 1 / 456 页 · 共 5467 条
下一页 →