把機器人技術，學到能自己動手做

PHP2Shell 衝擊全球：美國 NSA 建議無法更新的網站先下線，歐洲多國政府網站、維基媒體與網路檔案館暫停服務

PHP 約占已知伺服器端語言網站的七成，漏洞公開後多國資安機關發布警告，部分政府、學校與大型網站預防性下線；研究人員估計逾 130 萬台主機可能受影響。

PHP2Shell 是 AI 找到的：Calif 與 Wiz 用 GPT-5.6 Sol、Gemini 4 Argon 稽核 PHP 原始碼，挖出潛藏多年的漏洞

資安公司 Calif 在 OpenAI「Patch the Planet」計畫中以 GPT-5.6 Sol 找到漏洞，Wiz 也借助多個 AI 模型獨立發現；OpenAI 預期類似發現將在未來幾個月大幅增加。

PHP 緊急修補 PHP2Shell 兩項重大漏洞：未經驗證即可遠端執行程式碼，影響 PHP 5.4 至 8.5

PHP 官方於 10 月 21 日發布緊急更新，修補 CVE-2026-109618 與 CVE-2026-109619 兩項遠端程式碼執行漏洞，CVSS v4.0 評分 9.2，已出現攻擊嘗試。

論文導讀：GaussianDream——在 VLA 裡加一個 3D 高斯世界模型，訓練時學「未來」，推論時不用付代價

GaussianDream 在 π0.5 這類 VLA 中加入一組可學習的查詢，從三張歷史畫面編碼出一段前綴 token；訓練時用兩個輔助頭把前綴解碼成目前的 3D 高斯場景和未來 1～5 步的高斯變化，以 RGB、深度和偽 3D 場景流監督；推論時丟掉所有輔助頭，只留前綴給動作生成。LIBERO 平均 98.4%、RoboCasa Human-50 達 54.8%、真實機器人從 34.4% 提升到 50.0%。

論文導讀：τ0-VLA——讓機器人在決定下一步之前，先用世界模型「想像」幾種做法

τ0-VLA 是一個階層式機器人基礎模型：高層策略決定下一個子任務，低層 VLA 執行。遇到沒把握的決定時，高層會啟動測試時運算——提案模型提出多個候選子任務、世界模型生成每個候選做完後的畫面、價值模型打分，用束搜尋往前展開幾步，最後由反思模型拍板。低層策略用 40,115 小時的真實機器人資料訓練，能在多種機器人上做長達 12 分鐘的家務。

論文導讀：VAMOS——同一個導航大腦，換一個小模組就能指揮四足狗和輪式車

VAMOS 把機器人導航拆成兩層：高層是用 PaliGemma 2 微調的視覺語言規劃器，在影像上畫出多條候選路徑，可以用自然語言指定偏好；低層是每種機器人各自在模擬中訓練的 affordance 模型，判斷每條路徑這台機器人走不走得過去，再重新排序。真實世界六條路線平均成功率 90%，輪式機器人換上自己的 affordance 模型後成功率從 60% 提升到 90%。