mashiron.hl 🐐

🫪

[mashiron.hl 🐐 @CoinNewAccount2]

#DeBank
Today's task
DeBank official account
5/9 follow(18~26)
6/8~ mint
@DeBankDeFi

[mashiron.hl 🐐 @CoinNewAccount2]

@arcus_xyz
ありがとう🫡

[Superman @thesupermannx]

Researchers proved every LLM is secretly obsessed with Japan.

And they finally figured out why.

They published a paper investigating hidden cultural biases in large language models.

they tested 31,000 questions across 24 different languages on models like gemini, chatgpt, claude, and llama.

they stripped out all geographic hints and just asked the models to pick a place and answer.

the finding was universal.. across a wide range of models and languages, there is a pervasive "obsession" with japanese culture.

even when you prompt them in a language with zero ties to japan, they default to japanese norms, values, and aesthetics at a disproportionately high rate compared to its actual global demographic weight.

the craziest part? they tracked down exactly when the ai develops this obsession.. and it is not from reading the raw internet.

during pre-training, the models actually have a fairly balanced, global view of the world. the obsession gets injected during the safety phase.

when tech companies fine-tune these models to be "helpful, harmless, and polite," the ai starts mapping those corporate safety guidelines directly onto japanese cultural concepts. in the pursuit of creating the perfect, inoffensive, compliant assistant, they warped how the models view the world.

the quantization process (compressing models to run faster locally) actually amplifies this determinism. the smaller and faster your local model is, the more stereotypically it behaves, causing japanese cultural tropes to spike hard.

we spend all this time worrying about existential ai safety, but the real alignment problem is that our most advanced reasoning engines are hyper-fixated on japanese internet culture.

every model upgrade is reinforcing an invisible regional bias that dictates how they generate stories, facts, and code. the cultural commonsense of the internet is not universal..

it’s just localized to whatever the heaviest reddit and anime wiki users were obsessed with.

[GrEarl @Iamwonderingif]

破られた証明書を除外できてるかのチェック方法
https://t.co/KY7Hew1SJN
↑を開いてこの表示しか出なければブラウザはセーフ
次に書かれてるcurlを実行して同じように繋がなければセーフ
もしつながってしまったら...OSなどをすべてアップデートして

[Kirill Firsov @k_firsov]

php2shell

Tomorrow is a helluva day.

[Howlbe @howlbe01]

한국인들이 이번 몽골 대초원 화재에 유독 분노하는 이유.

몽골이 엄격하게 보호해 온 세계 최대 규모의 온전한 온대 대초원 중 하나.
그곳에서 발생한 대형 화재로 보호구역의 약 80%가 불탔다.

보도에 따르면, 발단은 일본계 통신기업 모비콤의 경영진 일행이 보호구역에 들어간 뒤 발생한 차량 화재였다. 불법 사냥과 낚시 의혹까지 불거지면서 몽골 현지의 분노도 커지고 있다.

그런데 한국인들에게 이 사건은 더욱 씁쓸하게 다가온다.

한국은 황사와 사막화의 피해를 줄이고 몽골의 생태계를 지키기 위해 오랜 세월 나무를 심고, 현지 주민들에게 조림 기술을 전수하며 녹지를 가꾸어 왔다. 한국의 산림 복원 사업은 단순히 나무를 심는 데 그치지 않고, 몽골의 미래를 함께 지키려는 노력이었다.

한쪽은 황사를 막기 위해 나무를 심었고, 다른 한쪽은 보호받아야 할 대초원에 돌이키기 어려운 상처를 남겼다.

숲과 초원은 돈을 쏟아붓는다고 하루아침에 되살아나는 것이 아니다. 그 땅에서 살아가는 생명과 오랜 세월 축적된 생태계까지 생각한다면, 이번 화재의 피해는 단순히 불에 탄 면적만으로 계산할 수 없다.

한국인들이 분노하는 이유는 단순히 일본인이 사고를 냈기 때문만이 아니다.

누군가는 자연을 지키기 위해 수십 년의 노력을 쏟고 있는데, 누군가는 그 소중한 자연을 너무나 가볍게 대했다는 사실.

몽골의 대초원은 누구의 사적인 놀이터도 아니다. 그곳은 몽골의 소중한 자연유산이자 다음 세대에게 온전히 물려주어야 할 삶의 터전이다.

불타버린 초원을 되돌리는 데 필요한 것은 변명만이 아니다. 철저한 진상 규명과 그에 합당한 책임, 그리고 실질적인 복구 노력이다.

나무를 심는 데는 수십 년이 걸려도, 자연을 잃는 데는 단 한순간이면 충분하다.

[Usopp @Usoppu]

just found some money i completely forgot about

a decent chance you have crypto sitting somewhere you forgot existed: https://t.co/JKq83wR2pU

from pending bridge claims, uncollected staking, forgotten rewards, and funds stranded on dead chains etc

[mashiron.hl 🐐 @CoinNewAccount2]

Arcus @arcus_xyz
ありがとう🫡

[板野かな＠百合作家（旧：板野かも） @itano_or_banno2]

これは昔から有名な『読心術』があって、

「1から50までの2桁の整数の中で、1の位も10の位も奇数であるという数を一つ思い浮かべてください。ただし、ゾロ目はダメです。例えば11はダメです」

と言うと、多くの人が「37」を思い浮かべるので、それを言えば高確率で当たる。
次点で多いのは「35」なので、ほとんど2回で当たるし、そもそも37と言った時点で「近っ！」と相手はびっくりしている。
一方、13や19などを思い浮かべる人はほとんどいないとされる。

これには心理のトリックがあって、「1から5までの数字から一つ選んで」と言われると、人は「3」を選びやすい。まして今回は「50までの2桁の整数」かつ「1の位も10の位も奇数」と限定しているのだから、10の位の選択肢は1と3しかない。そこで「ゾロ目はダメ。例えば11はダメ」と畳み掛けることで、10の位の選択肢��ら「1」を無意識に除外させている。
そして「1から10までの数字から一つ選んで」だと「7」、次いで「5」が選ばれやすく、こちらも奇数と限定していることもあり、結局ほとんどの人が「37」か「35」を思い浮かべる。
人は無意識に数字を上昇させたがるので、1の位の方が��さくなる「31」は選ばれづらく、逆に大きくなりすぎる「39」も選ばれづらい。

ここまでやっても「15」とか言ってくる人はよっぽどの変わり者なのでそれはしょうがない。

[Yohei @yoheinakajima]

in case you were curious if this generalizes... yes, as a packing method. not the best overall, but it finds packings other methods miss on squares and cubes. have some ideas, but not exactly sure why...

more: https://t.co/B3l7KvKs5q

[Pavel Rabtsevich @p_rabtsevich]

I think I found a planet nobody knew existed.

It's been hiding in NASA telescope data for seven years.

At the end of this thread, you can fly to it yourself.

[Yohei @yoheinakajima]

here's a sillier way to solve square packing. for 11 squares, it found 3.877 about 3.75% of the time

[vitalik.eth @VitalikButerin]

I don't recommend anyone scramble to move their funds to new wallets today. But we should take the risks to cryptography from AI-accelerated math seriously, and minimize our exposure to not just quantum-vulnerable cryptography, but also potentially AI-vulnerable cryptography.

The core new area of risk from this viewpoint is, unfortunately, ML-DSA / FHE / lattices.

(and it's also another reason, along with quantum, why ECDSA might fall even faster than expected, hence the "fresh address" recommendation)

So far most people have been in the mode of thinking "elliptic curves broken, hashes safe, lattices safe". But there is a good chance that the concrete security of lattices will take serious hits from the next two years of AI math.

The basic threat model is: factoring is something that naively takes 2^(n/2) time, but over decades smart people have found and optimized number field sieves, and degraded that to 2^O(n^(1/3)), which is why RSA keys and signatures need to be ~400 bytes (and not 64 bytes). What if there are skeletons in the closet like that, both for elliptic curves and lattices, that we are simply not smart enough to discover - but bots soon will be?

This is a major part of the reason why for the past year ethereum's lean roadmap has been going in the "hash-only" direction: no lattices, no ML-DSA, no Falcon, no lattice-based commitments inside ZK proofs, etc. Signatures in lean ethereum are all hash-based, either WOTS or SPHINCS-.

For signatures and proofs, we already know how to go hash-only. The bigger challenge is for *public-key encryption* - and this goes far beyond blockchains. Secure communication, anonymizing protocols, lots of things need public-key encryption.

And unfortunately there are long-standing mathematical theorems showing why public-key encryption cannot be done with hashes alone. You have to have some kind of trapdoor object that has at least one form of usable "structure" - either group theory (incl. isogenies) or lattices or code-based or potentially in the future even more newfangled and spooky things (local mixing?). But for anything that has structure, you should assume that AI will make at least some progress in breaking that structure. Here, one reasonable inference is that if you want to make something plausibly long-term secure, multiply the key sizes by 10.

To me that's a very plausible world and something not at all extreme to predict. If AI will bring us 50 years of math in 2 years, then that 50 years of math may very plausibly include a "naive factoring -> GNFS" level of improvement to our ability to break lattices. In that world, lattices will still exist, but they will have to be significantly bigger to guarantee the same level of safety.

And at those new larger sizes, hash-based constructions will beat lattice-based constructions on concrete efficiency in every use case where hash-based constructions are possible at all.

Theoretically, of course it's possible that hashes are broken too (eg. P = NP would imply that). But I think P = NP is very unlikely. And intuitively, it's much more likely that a mathematical object has exactly no exploitable structure (like hashes are intended to), than that a mathematical object has exactly ~3 forms of exploitable structure (for elliptic curves: associativity, Schoof, pairings) and not some secret fourth form of structure we have not yet discovered that greatly degrades its security (for elliptic curves, ECDLP and pairing security). Similar for LWE, SVP, RLWE and the zoo of lattice problems.

For this reason, we do not yet see any reason to worry and start padding the byte size of hashes (if we start to worry more, we would pad the round count first before doing anything to the byte size).

Concrete TLDR, my own personal views:

* Hash-based > lattice-based, in those situations where hash-based is possible at all
* For anything lattice-based, be much more paranoid on param sizes. Remember that blockchains are only a small portion of the cryptography story; this point goes far beyond blockchains and applies to eg. access to websites, secure messaging, Tor / VPNs ...
* For privacy protocols, strongly favor NOT putting encrypted notes onchain. Instead, send them offchain through some third-party mechanism.
* If it's not difficult for you, keeping your funds in addresses which have not yet been used to make a transaction is a good idea. If it's easy for you, do it. **But be careful about migrations; I personally have lost more money in botched migrations than I have lost in all hacks combined**.
* For multisig wallets, doing confirmations offchain is better than onchain, because this way the signatures of signer wallets do not get exposed to the public, so if ECDSA falls to AI much faster than expected, at least the multisig "gracefully degrades" to a 1-of-1 where the 1 is whoever was gathering the signatures - a much better place to be than "anyone can take the money"
https://t.co/oVjwZog2lL

[全財産イーサリアム @nook_ethereum]

【警告】AIがブロックチェーン暗号を数��月で破るかも。

イーサリアムをリードするJustinが、
「AIによる数学的発展により、量子コンピュータによるブロックチェーンの秘密鍵の解読がめっちゃ早くなるかも。最悪、数ヶ月先に解かれてもおかしくない。」
と声明を出しました。

これまでは量子コンピュータというハードウェアの発展が脅威で、それはまだ少なくとも数年先の問題だったわけですが、最近のAIによる数学的発展はもう人智を超えており、現状の量子コンピュータでも秘密鍵の暗号(ECDSA)を解読できる方法が見つかってしまうかもしれないということですね。

つまり資金を盗まれるようになるかもってことです。

というか、もしかしたら量子コンピュータ使わなくても解ける方法が見つかっちゃうかも・・とさえ言っています笑

じゃあ仮想通貨はもう全部終わりなのか？
というとそういうことではありません。

ブロックチェーンで使われる暗号は主に2つ(ECDSAとハッシュ)あり、前者(ECDSA)は量子コンピュータやAIによって解読されちゃう恐れがあるけど、後者(ハッシュ)はその可能性も限りなく低い状況です。

ECDSAの解読��よって秘密鍵がバレる恐れがあるのは公開鍵が露出してる場合のみ。
ビットコインやイーサリアムでは、一度も取引してないアドレスは公開鍵が公開されてないので安全です。
だからまっさらな新しいアドレスに資金を送金しておけば当座は安全になります。

また、ECDSAに代えて量子耐性暗号を導入する計画も進められているんですが、

この量子耐性暗号は大別すると
・ハッシュ系
・格子系
の2系統あり、

AIの発展によって格子系は解読される可能性が高くなってきたので、これらを使う計画だった仮想通貨(SolanaやXRP)は大きく計画を見直す必要があります。

----------

✅イーサリアムの場合
全てをハッシュベースの暗号に置き換える計画が進んでいます。
この計画が間に合えば、量子もAIもそれほど怖くはありませんが、間に合わない可能���も高くなってきたので、急ぎましょうって言ってるわけですね。

また、来年に予定されるHegotaアップデートでは、アドレスの秘密鍵を変更できるようになる予定です。

つまり、資金を今のアドレスから動かさなくてもまっさらなハッシュで保護された秘密鍵に変更できるようになります。

Hegotaまでは残念ながら、資金を別の新しいアドレスに動かさなきゃ安全性は確保できないので、ステークしてるETHは大変です。

ただし、量子コンピュータが真っ先に狙うのは、サトシの数万個ある50BTCが保管されたアドレスです。
つまり、5-6億円以下の金額のアドレスは少なくともサトシよりは攻撃対象となるのが遅いはずなので、サトシのアドレスが盗まれ始めてから対応しても遅くはないでしょう。

----------

✅ビットコインの場合
イーサリアムと大体同じ状況ですね。

とりあえずは「まっさらな新しいアドレス」に送金してガチホしておけば安全です。

ビットコインの場合、イーサ��アムのようにステーキングとかないし、資金も基本BTCしかないので、この対応はスムーズにできるでしょう。

また、量子耐性の獲得も、数回の署名なら軽量なハッシュベース暗号(SHRINCS)が見つかったことでそこまで困難ではない状況です。

とはいえ、処理速度が30-50%程度落ちる可能性はありますが。

----------

✅Solanaの場合
今回のAIの急速な発展で最もヤバいのはSolanaさんです笑

というのも、Solanaはその高速性を維持したまま量子耐性を得るためにはFalcon(格子系)という比較的軽量な量子耐性暗号を導入する計画を表明してたんですが・・

このFalconはそこまで安全性が高く検証されたものではなくAIによって量子コンピュータで解読する方法が見つかる可能性は全然あるものです。
(だからイーサリアムは採用しなかった)

AI&量子耐性を得るためにはイーサリアムと同じ方法を0から検討しなきゃですが・・Solanaの高速性を維持することは厳しくなりますね。少なくともさらなる中央集権化が必要になりますね。

さらに、Solanaのアドレスはハッシュで保護されてません笑

つまり、「一度も取引したことないまっさらな���しいアドレス」でも秘密鍵が解かれますw

わりとお先真っ暗に見えますねw

-----------

✅XRPの場合
ちなみにBNBやXRPのような中央集権チェーンは一番マシですね。

そもそも分散してないからデータ通信量もブロックサイズも余裕がありまくるので、重たいハッシュベース暗号を導入しても問題ないでしょう。
(計画は１からやり直しですが。)

よく、
「ビットコインの暗号が解かれ���前に銀行とかの方がヤバい！」
みたいな意見をよく聞きますが、実際は逆です。

中央集権システムほど、量子耐性への移行は簡単です。
(それでも大変なので早めに取り組まなきゃいけませんが。)

リップル社とかは
「XRPの量子耐性化は一番進んでる！」
みたいにアピールするでしょうが、ただ分散してないから簡単なだけです。

騙されないように！

[OpenAI @OpenAI]

We’re releasing a broad range of new mathematical results produced by an internal frontier model.

We’ve been consulting with the independent Advisory Group on Mathematics and Artificial Intelligence at the Institute for Advanced Study, and we have drawn on their advice and public recommendations to inform how we release these results.

https://t.co/7N6TPlft1P

[CZ 🔶 BNB @cz_binance]

Every dip is an opportunity.

[Nano(ナノ) @Dstudio_ai]

TripoとGPT-6 Astraを使ってキャラクターモデルを作ってみたのでメモ！【PR：Tripo】

超重要なとこ！！！！！
・Blender MCPをなるべく使わせない。9割9分Computer useでやらせる。←マジのガチで一番大事

・絶対にTripo使う。Astraだけでやらせるとネコアルクが量産される。いかなる場合もTripoでモデル生成→Astraでセットアップの流れ。Astraにゼロからモデリングさせない。

・プロンプト1発とか、完全に放置とかは今のところ無理！Astraの様子を見ながら監督する必要がある。地道に対話を重ねて試行錯誤するしかない

全体の流れ
1. 1枚絵をもとに、Codexで頭・髪・体の画像��分ける。
最悪頭と体は正面だけでもTripoはいい感じ���作ってくれるけど、髪の毛だけはマルチビュー必須です。（なんかバランスが悪くなる）
↓
2. Tripoで各パーツを3D化
スマートメッシュのP2.0を使う（やり方は動画参照）
頭は大体2000〜5000ポリで作った方が安定するかな〜（Astraが作業しやすい）
頭は目の部分が、「眼窩がちゃんとくぼんでる」＋「瞳が独立してる」ものが出るまでガチャってください。
無料で再生成もできるけど、テクスチャ生成後は再生成できなくなるのでそこだけ注意です！
↓
3. AstraにBlenderで組み立ててもらう。
頭・髪・体の位置とかサイズを調整。そこまで難しい作業ではないので、Blender使える人はここは手動でやったほうが早いしトークンを節約できます。
首が分離してますが、無理に接合しなくてもある程度揃ってれば違和感ないです。
くっつけたい人はオブジェクト統合→双方の辺をループ選択→辺ループのブリッジ
↓
4. 表情をセットアップ
Astraにとってシェイプキーはむずいらしいので、今回は表情をつけた頭モデルを事前にTripoで必要な表情分生成しておき、メッシュを切り替える方式でやりました。
仕組みなどは過去ポストみてください！
↓
5. リギング・揺れモノのセットアップなど
ここはがっつりAstraに任せられる部分。今回、ダメもとで「リギングと揺れモノのセットアップして」と頼んだら１発でかなりいいのができてびっくり！
ただし、自作アプリ（後で配布します）かましてます。
もちろんダメダメなところも多い。

ここで紹介したのはあくまで全体の流れだけで、これ以外にもたくさん考えたし、色々検証しました。5xプランの週制限の50%は飛ばしましたw（自分が試行錯誤しまくってたのはあるかも）

ただそれでも、モデルの構造が良いとマジで放置でリギングが済んでたので、かなり希望はあると思います！

一番希望感じたのは、「一度教えたらその後はできる」ところ。Astraは初見だと高確率で詰まるけど、詰まったら「どういうふうに進めるべきか？」を教えてあげると結構できた。

キャラクターのデザインやTripoの生成ガチャによってAstraに任せる箇所のフローが毎回変わるのでそれが今の一番大きな課題かな～

[satoru.net @satorunet]

「ひらがなを読み書き学習��たハエ」作ってみた。読めたらドーパミンを与えて10万文字のひらがなを8時間学習した結果のハエ。約85%確率で正解出してる

https://t.co/CGVYZUozPR

#flywire #ハエ

[Anthropic @AnthropicAI]

We're publishing our most detailed threat intelligence report to date.

It covers how people tried to misuse Claude—for cyberattacks, influence operations, surveillance, biology, and building weapons—and how we found and stopped them.

We disrupted every operation in the report, and used the lessons from them to strengthen our safeguards. Where appropriate, we also shared what we found with authorities and other AI companies.

These cases are not typical: we’re highlighting some of the most sophisticated misuse we’ve seen. But they’re especially important to discuss, because they show us where AI misuse is headed, where our safeguards work, and where they need to improve.

We’re publishing this report so others can spot the same activity on their own platforms, and so we can give the public a clearer view of how emerging threats develop.

Read the report: https://t.co/0EJUnYEgfz

[OpenAI @OpenAI]

Now available: ChatGPT for Financial Services.

This is a tailored ChatGPT Work experience that combines built-in financial data with GPT-6 Astra’s reasoning.

Teams can develop research, build financial models, and create customized client materials.

https://t.co/6WP5OJdnE8

[Zentsu @0xZentsu]

流石に詐欺サイト紹介しておいて、"被害者出た後"にやっと自分で1ドルだけスワップ触って、私は問題なかった(一言すら謝罪無し)はやべぇって。