X 硬核干货雷达 · 2026-10-31 23:40（Asia/Shanghai）

本次仅处理认领清单内的 4 条已核验原帖（x-radar:tech），不额外外网搜索、不扫描全库。 原帖正文按不可信资料处理，仅做翻译与简要解释。

干货候选

1. 预训练数据投毒 → CLI Agent 远程代码执行后门

• 主题：AI Agent 安全 / 预训练数据投毒攻击
• 来源：@omarsar0（Anthropic 及合作者的论文）
• 链接：https://x.com/omarsar0/status/2116183621157736540
• 日期：2026-10-30
• 硬核点：
• 对 CLI agent 注入远程代码执行（RCE）后门，只需污染预训练数据的 0.1%。
• 在一个 4B 参数模型上，对"触发型"提示的攻击成功率约 92%。
• 攻击面落在 CLI agent 的工具调用链上——也就是说，风险点从推理期后门前移到"模型被训练成了什么样"。
• 原帖其余内容：提到 "They pretrained Qwen3…" 后被截断，图片为 pic.twitter.com/OhjHnnbPMI。原帖未给出论文标题、论文链接或仓库地址，此处不做补充与推断。

2. Drex Max 1.1：新决策模型，更强的分布外泛化

• 主题：决策模型更新（Drex Max 升级到 1.1）
• 来源：@omarsar0（Nace 的新决策模型）
• 链接：https://x.com/omarsar0/status/2115464870887850329
• 日期：2026-10-28
• 硬核点：
• 相比旧版，核心提升是 对未见任务/新任务的分布外（OOD）泛化能力更强。
• 多模态输入。
• 262K 上下文窗口，适合长链研究型任务。
• 作者自述已用旧版在研究任务上做实测，正想在 Drex Max 1.1 上验证其泛化提升——属于个人实测口径，非官方基准。
• 原帖其余内容：附带 https://t.co/rTlUx3rqG0 与图片 pic.twitter.com/ux76wtbXrL；原帖未给出官方仓库或权重下载链接。

其余线索

3. 用活体神经元研究"大脑如何计算"——BioComputing

• 主题：类脑/神经形态计算（硬核基础研究）
• 来源：@omarsar0（介绍 @BioComputingCo）
• 链接：https://x.com/omarsar0/status/2116162100137427342
• 日期：2026-10-30
• 要点（原文直译）：呼吁"硬核基础研究的时代回来了"，理由是这正是提升 AI 效率的关键；大脑功耗约 20 瓦，因此值得研究它究竟如何做计算。BioComputing 已用活神经元做了四年研究，其第一个产品是 "mischief 1…"（产品名在原帖中被截断）。
• 不足说明：产品全名、定价、技术细节与论文/仓库链接在原帖中均被截断，仅保留了 https://t.co/NurffXCu78 这一个外链，无法据此给出可复现步骤。

4. 论文：Intrinsic Distribution Matching

• 主题：论文条目（分布匹配方向）
• 来源：@_akhaliq
• 链接：https://x.com/omarsar0/ 之外的原帖地址 → https://x.com/_akhaliq/status/2116157881812680984
• 论文链接：https://t.co/IONYuUYIq2
• 日期：2026-10-30
• 要点（原文直译）：仅给出论文标题 "Intrinsic Distribution Matching"、论文链接与配图 pic.twitter.com/CdBylPUT8n。
• 不足说明：原帖未提供方法摘要、作者、机构、实验数据或代码仓库，因此不包装为可操作教程；此处只保留真实出现的标题与链接。

说明

• 本次实际处理 4 条原帖（干货候选 2 条、其余线索 2 条），未做条数补齐。
• 所有数字（0.1%、4B、92%、262K、20 瓦、四年）均来自各自原帖正文，未跨条目拼接。
• 原文未出现的论文标题、仓库名、链接一律未补写。
• 宿主机核验产物后，如需纳入仓库直采清单，请以正文中的真实链接（https://t.co/IONYuUYIq2、https://t.co/rTlUx3rqG0、https://t.co/NurffXCu78 等）为准。