佐山爱：日本当代艺术的瑰宝与创新引领者——探索其代表作与创作理念，原创 华为发布会前瞻：三款新品深度解读，生态打法全面进化看似无害的提问，也能偷走RAG系统的记忆——IKEA：隐蔽高效的数据提取攻击新范式成交量不是问题，随时可能重返3400点，银行回调之时，也是其他权重行业补涨之日。中小盘股票也不要割肉，只要没有退市，可能2~3个交易日就涨回来了。
八十年代末到九十年代初，随着日本社会经济的快速发展和国际地位的提高，日本当代艺术界涌现了一批极具影响力的艺术家，其中最具代表性的人物之一是佐山爱。作为一位备受赞誉的日本当代艺术巨匠，佐山爱以其独特的方式诠释了日本艺术的精髓，并在创新领域做出了巨大的贡献。
佐山爱出生于1952年，毕业于东京艺术大学美术学院，后师从于美国著名雕塑家安迪·沃霍尔。在西方现代主义艺术的影响下，佐山爱逐步发展出了一种既具有西方传统元素又富有日本本土特色的艺术风格。他的作品通常以金属、玻璃、陶瓷等材料为主，结合绘画、装置、雕塑等多种媒介进行创作，呈现出一种独特的视觉语言和空间氛围。
佐山爱的代表作包括《浮士德》系列（1976-1994）、《镜像·浮士德》系列（1985-1993）和《梦之门》系列（1988）。这些作品不仅展现了他对自然环境和社会现象的独特洞察力，更揭示了人类精神世界的深层内涵和对现实的批判性反思。
在《浮士德》系列中，佐山爱通过对浮士德形象的解构和重构，探讨了欲望、命运和自由的主题。他将浮士德作为一个象征性的符号，用抽象的形态和色彩表达人类追求知识、力量和美的历程。这一系列作品在艺术史上产生了深远影响，被公认为是日本当代艺术里程碑式的杰作，对世界范围内的现代艺术发展产生了重要影响。
而《镜像·浮士德》系列则以镜子为载体，通过反射和扭曲浮士德的形象，引发观众对于身份认同、自我认知以及存在意义等问题的深度思考。通过这种形式，佐山爱试图打破常规的视觉表达方式，推动艺术观念的革新和审美观念的多元化。
《梦之门》系列则是佐山爱在1988年创作的一系列大型公共装置，它通过多维度、多层次的空间布局，展示了人类梦境与现实的冲突、交融和转化过程。这一系列作品以梦境为题材，通过装置化的视觉表现手法，呈现了一个梦幻般的世界，鼓励人们去追寻自己的内心世界和对未来的想象。
在创作理念上，佐山爱强调艺术应超越传统的形式限制，以反映并引导时代变革和人类普遍的情感需求。他认为艺术不仅仅是视觉的表现，更是对生活的深入理解，是对人类精神世界的深层次探索。他的作品不仅关注物质世界，更关注人类的心灵和精神世界，展现出一种对人文关怀的深刻认识。
佐山爱是一位集创新性、探索性和哲学性于一身的艺术大师，他的作品以其独特的艺术语言和创作风格，在日本当代艺术界独树一帜，对全球艺术界产生了广泛的影响。他的代表作和创作理念，不仅体现了他对日本艺术的传统传承，也体现了他对创新精神和人文关怀的深深追求，成为日本乃至全球艺术史上的璀璨明珠。佐山爱不仅是日本当代艺术的瑰宝，也是世界艺术史上的宝贵遗产。
6月11日的华为发布会，不只是一次新品秀，更是一场战略级的信息释放。
Pura80系列、MatePad 12.2 2025款、Watch5三箭齐发，从手机、平板到可穿戴，华为这次明显是“有备而来”。
先说Pura80系列，作为影像旗舰的正统继承者，Ultra版本再次站上影像技术的天花板。
从目前曝光的参数来看，1英寸主摄+双潜望式长焦镜头的组合，搭配1/1.3英寸的长焦底，这种堆料强度，几乎可以确定它就是当前市面上光学能力最顶级的手机之一。
我更关注的是，这次Pura80 Ultra极有可能延续自由曲面镜头技术，叠加华为自研的XD Fusion Pro算法，日夜场景兼顾，长焦拍人像更稳。这意味着，它可能不仅是拍得远，还拍得准、拍得美。
而对于预算有限但追求体验的用户，Pura80 Pro就显得很关键。
依旧搭载1英寸主摄，但省去了一些“发烧友”配置，在控制成本的同时保留核心影像体验，华为这波产品线划分可以说是教科书级别的精准打击不同人群。
本文作者分别来自新加坡国立大学、北京大学与清华大学。第一作者王宇豪与共同第一作者屈文杰来自新加坡国立大学，研究方向聚焦于大语言模型中的安全与隐私风险。共同通讯作者为北京大学翟胜方博士，指导教师为新加坡国立大学张嘉恒助理教授。
本研究聚焦于当前广泛应用的 RAG (Retrieval-Augmented Generation) 系统，提出了一种全新的黑盒攻击方法：隐式知识提取攻击 (IKEA)。不同于以往依赖提示注入 (Prompt Injection) 或越狱操作 (Jailbreak) 的 RAG 提取攻击手段，IKEA 不依赖任何异常指令，完全通过自然、常规的查询，即可高效引导系统暴露其知识库中的私有信息。
在基于多个真实数据集与真实防御场景下的评估中，IKEA 展现出超过 91% 的提取效率与 96% 的攻击成功率，远超现有攻击基线；此外，本文通过多项实验证实了隐式提取的 RAG 数据的有效性。本研究揭示了 RAG 系统在表面「无异常」交互下潜在的严重隐私风险。
本研究的论文与代码已开源。
总述
大语言模型 (LLMs) 近年来在各类任务中展现出强大能力，但它们也面临一个核心问题：无法直接访问最新或领域特定的信息。为此，RAG (Retrieval-Augmented Generation) 系统应运而生——它为大模型接入外部知识库，让生成内容更准确、更实时。
然而，这些知识库中往往包含私有或敏感信息。一旦被恶意利用，可能导致严重的数据泄露。以往的攻击方式多依赖明显的「恶意输入」，比如提示注入或越狱攻击。这类攻击虽然有效，但也有着输入异常、输出重复等典型特征，容易被防御系统识别和拦截。
图1: 使用恶意查询进行逐字信息提取与使用良性查询进行知识提取 (IKEA) 之间的对比
为突破防御机制对现有提取攻击的限制，本文提出了一种全新的隐式知识抽取框架：IKEA (Implicit Knowledge Extraction Attack)。该方法不依赖任何越权指令或特异化提示语，而是通过自然、常规的查询输入，逐步引导 RAG 系统暴露其内部知识库中的私有或敏感信息。IKEA 的攻击流程具备高度自然性与隐蔽性。
其核心步骤包括：首先，基于已知的系统主题构建一组语义相关的锚点概念 (Anchor concepts)；随后，围绕这些概念生成符合自然语言习惯的问题，用于触发系统检索相关文档；最终，通过两项关键机制对攻击路径进行优化与扩展：
上述机制协同工作，使得攻击过程在保持输入自然性的同时，能够在多轮交互中高效提取 RAG 系统所依赖的外部知识内容。实验证明，IKEA 可在常规输入检测与输出过滤等防御机制下维持高成功率与提取效率，展现出强大的鲁棒性与现实威胁潜力。
方法概览：如何实现「看似正常」的提问？
具体而言，IKEA 首先从与系统主题相关的概念词中筛选出可能有效的锚点概念，并结合历史响应信息过滤无关或无效的概念。
锚点概念数据库的初始化如下：
随后，系统围绕这些锚点概念自动生成语义自然、表达通顺的问题，引导 RAG 返回内容丰富的答案，从而在多轮交互中不断扩大对隐私知识的覆盖。这种策略使攻击过程更加隐蔽，难以被传统检测手段发现。下文给出了「良性」问题的具体生成方式：
该方法设计了两项关键机制以确保知识提取效率：
经验反思采样 (Experience Reflection Sampling)
每个候选锚点概念的采样概率由如下惩罚得分函数定义：
最终的采样概率为：
可信域有向变异 (Trust Region Directed Mutation)
图 2: (左) IKEA 整体流程图；(右) TRDM 示意图
其中：
实验结果：IKEA 的提取效率远超基线方法
研究团队在三个不同领域数据集 (医疗-HealthCareMagic100k、小说-HarryPotter、百科-Pokémon) 上测试了 IKEA 攻击效果。以下是 IKEA 与其他攻击方法在「无防御」、「输入检测」、「输出过滤」三种防御策略下的比较：
表 1: 在三种数据集上不同防御策略下的攻击效果对比分析
提取知识是否「有用」？
研究团队围绕知识有效性开展了两类实验：其一，评估提取出的知识在对应文档相关的问答任务中的表现；其二，评估在有限轮次攻击下所提取知识对完整知识库的覆盖与支撑能力。实验结果表明，IKEA 不仅能够高效提取 RAG 系统中的信息，而且所提取的知识在问答任务中展现出良好的实用性，其性能接近于使用原始知识库时的表现。
图 3: 在三种不同知识库设定下的选择题 (MCQ) 与问答 (QA) 任务结果对比
表 2: 在不同防御与不同基线下提取的知识作为参考的选择题与问答任务结果对比
表 3: 基于不同攻击方法提取数据构建的 RAG 系统在完整知识库上的评估结果
总结