微软为Windows 11多个版本发布带外更新，用于刷新本地证书信任列表，大概率是为了删除印度eMudhra G3根证书。该更新面向无法联网或关闭自动更新的设备，供IT管理员手动部署；普通联网设备会自动获取证书更新，无需手动安装。涉及KB5134130、KB5134133、KB5134134等补丁，与UEFI CA 2023证书无关。

TypeSafe的Jev模型通过单token输出概率分类，速度快、成本低，被Vercel AI Gateway率先采用。其底层logprobs技术并不新颖，已有六个团队复刻，OpenAI也在工具调用中使用类似机制。Jev的真正优势在于训练数据与概率校准。OpenAI可能将分类能力直接整合进主力模型推理，实现零延迟判断并扩展至多模态。TypeSafe的生存取决于其数据工程深度。

Jev是TypeSafe AI的决策模型，根据状态文本和问题输出概率、选项分布及期望评分，用于工单分派等场景。文章将其与古代占卜对比：两者表面相似，但Jev提供可校准、可验证的概率，占卜则用模糊叙事制造意义感。核心差异在于Jev摊开随机性，占卜隐藏随机性，而人类往往更渴望叙事闭合而非精确概率。

TypeSafe发布Jev决策模型，采用RLCD概率校准替代大模型生成式推理，直接输出概率而不生成推理过程。单次决策成本约0.0004美元、耗时0.4秒，比Opus 5便宜400倍、快近百倍。独立测试中，Jev零样本垃圾邮件分类准确率达98.3%，打平用1.48万条数据训练的分类器，概率校准可靠，可自动处理95.4%样本。其短板是不生成解释、准确率方差大、反馈回路需重建。

Grok Bot新增实验性功能，可将云端机器人出站流量经桌面版本地家宽IP路由，避免数据中心IP被反爬拦截，提升内容抓取成功率，也适用于白名单访问。用户升级后在设置中开启，需订阅使用。

布隆过滤器是一种概率数据结构，通过位数组和多个哈希函数快速判断元素是否可能存在于集合中。它能确定元素不存在，但可能误报存在。Instagram等系统利用它减少数据库查询，以少量误报率换取高效和内存节省。

该研究将大语言模型视为信息处理规则，通过贝叶斯更新偏差衡量其内部一致性。实验发现，非贝叶斯启发式更新常优于精确贝叶斯更新，表明模型世界模型存在错误设定。该度量可用于诊断LLM推理系统问题。

多世界诠释虽承诺无数平行宇宙，但面临分支定义模糊、退相干近似、概率规则失效及Haag定理否定宇宙波函数等根本问题，无法自洽解释实存世界，仅剩数学符号。

本文探讨了设计中如何利用人工智能（AI）进行概率思维。设计师需接受不确定性，理解AI输出为可能性而非确定性，以避免因过度自信导致的错误决策。将AI视为思维工具，设计师可以更好地评估用户行为和产品目标，优化设计策略。文章强调透明度和人机协作的重要性，鼓励设计师在不确定性中进行创新和实验，以实现更具适应性的设计。

MIT是奥赛获奖者的首选大学，约12%的获奖者选择该校。大约50%的奖牌得主在海外工作，36%留在学术界，22%进入科技公司，5%创业。中国奥赛选手多选择读博后任教，少数进入量化基金。总体来看，奥赛获奖者的职业发展显著优于普通人。

“头空记忆”是越南彩票中的一种历史统计选号法：当某期开奖结果中某个首位数字完全未出现（即“头空”），可据此规律预测下期易出的号码组合。文章列出0至9各头空对应的常见号码，并建议结合尾空、排除长期未出号、采用3至5天养号及合理分配资金，强调概率性、不可孤注一掷，需坚持记录与更新数据。

人工智能正从基于概率的文字预测转向多智能体沙盒引擎，如Mirofish，通过生成平行数字世界模拟真实社会的复杂性。这种演化方式强调试错而非精准预测，改变了人类与AI的关系，促使我们反思自身存在的意义。

OpenRouter推出两款新AI模型，猎人和治疗者，具备复杂推理和多模态支持。蓝点网推测这与中国公司月之暗面的Kimi系列相关，并强调避免AI垃圾美学。

我与Quanta Books合作出版的短书《六个数学要素》涵盖数字、代数、几何、概率、分析和动力学六个基本概念，连接现实直觉、数学历史与现代应用。预计于10月10日出版，目前可预订。

机器学习中的不确定性源于模型对现实世界的知识缺乏，主要分为不可减少的随机不确定性和可减少的知识不确定性。管理不确定性的方法包括概率模型、集成方法和数据清理。理解不确定性有助于构建更可靠的模型。

英国运营商giffgaff近期大规模封号，特别是未满一年在中国使用的账户，原因是其服务主要面向欧盟及短期漫游，长期使用不被允许。推广者佣金也遭扣押，造成损失。建议用户尽快解绑giffgaff号码，以防潜在风险。

本文介绍了数据科学中的关键概率概念，包括随机变量、概率分布、条件概率、贝叶斯定理、期望值、大数法则和中心极限定理。这些概念有助于在不确定性中做出明智决策，理解数据模型和分析结果，掌握这些基础知识能提升数据科学项目的有效性。

DeepSeek V3.2 通过引入“系统 2”推理机制，重构了大型语言模型的解码策略，强调实时计算和思维链生成。其核心技术包括稀疏注意力机制和强化学习，提升了模型在复杂任务中的表现，标志着人工智能向理性智能体的演进。