跳到正文

全部动态

今日 35 条
6月22日周一
6月19日周五
  1. Hugging Face Blog41

    Hugging Face 提出 MosaicLeaks：深度研究智能体能否守住秘密？

    Hugging Face 发布 MosaicLeaks，用 1001 条多跳研究链评测深度研究智能体的隐私泄露风险，测试模型普遍泄露私有信息，且只训练任务性能会加剧泄露。其提出的 Privacy-Aware Deep Research（PA-DR）强化学习方法将严格链成功率从 48.7% 提升至 58.7%，同时把答案/全信息泄露从 34.0% 降至 9.9%。

6月18日周四
  1. OpenAI News60

    OpenAI 用 GPT-5.5 Instant 提升 ChatGPT 健康智能

    OpenAI 发布 GPT-5.5 Instant，用于改进 ChatGPT 在健康与养生问题上的回答，官方称其在推理、上下文理解、表达清晰度上有所增强。该版本还引入了由医生参与设计的评估方式。

    推荐理由：官方披露 GPT-5.5 Instant 在健康问答上的能力变化，读者可据此判断 ChatGPT 医疗场景的可用性。

  4. Hugging Face Blog62

    Hugging Face 发布 agent-eval：用自有工具链评测开源模型的智能体能力

    Hugging Face 发布 agent-eval 评测工具，以 transformers 为案例，在 bare、clone、skill 三种层级下测量智能体完成任务所需的轮次、token 与错误率，而非只看最终答案。

    推荐理由：Hugging Face 用自建 harness 实测 transformers 的 CLI 与 Skill 改动，发现同一改动对大模型提速、对小模型反而拖慢甚至破坏正确率。

6月17日周三
  3. Hugging Face Blog88

    GLM-5.2 发布：面向长周期任务，支持 1M token 上下文

    智谱发布旗舰模型 GLM-5.2，主打长周期任务能力，首次在 1M token 上下文上稳定支撑长程工作，并采用 MIT 开源许可。新架构 IndexShare 让每 4 层稀疏注意力共享同一 indexer，在 1M 上下文下将每 token FLOPs 降低 2.9×，MTP 层改进使投机解码接受长度最高提升 20%。

    推荐理由：GLM-5.2 把 1M 上下文落到长周期编码任务上，并给出与闭源前沿模型的逐项对比，可据此判断开源模型在长程工程任务中的位置。

  6. Google DeepMind60

    Google DeepMind 与英国政府共建 AI 规划原型，目标将审批时间减半

    Google DeepMind 与英国政府、Google Cloud、Faculty 及 Barnet、Dorset、Camden 地方规划部门合作，开发一款基于 Gemini 的 AI 规划原型，目标是帮助审批人员将住户规划申请的决定时间缩短 50%。

    推荐理由：原文给出英国规划审批原型的目标、试点范围与上线时间，读者可据此判断 AI 介入公共服务的落地路径。

6月16日周二
  1. Google DeepMind62

    Google DeepMind 发布 AI Control Roadmap 与智能体安全技术框架

    Google DeepMind 发布 AI Control Roadmap，用于在 Google 内部构建和管理高级 AI 的防御纵深框架，将内部智能体视为可能未对齐的潜在内部威胁，并基于 MITRE ATT&CK 拆解攻击战术与技术。

    推荐理由：Google DeepMind 公开内部 AI 控制路线图，给出分级检测与响应机制，可供部署智能体的团队参考。

6月15日周一
6月13日周六
  1. Google Research34

    Google 研究 AI 如何帮助用户理解皮肤问题

    Google 公布多项关于消费者使用 AI 工具理解皮肤问题的研究，其中发表于 JAMA Dermatology 的大规模调查显示，2345 名参与者借助 AI 工具尝试命名皮肤状况的比例超过 62%，命名准确率 23%，约为无辅助对照组 8% 的近三倍。研究同时发现，AI 辅助对判断下一步就医措施帮助有限，标准 AI 组的下一步准确率未出现统计显著提升。

  2. Google Research42

    Google 支持加州大学圣地亚哥分校用 2000 台退役 Pixel 手机搭建低碳计算平台

    加州大学圣地亚哥分校在 Google 支持下，正用 2000 台退役 Pixel 智能手机的主板搭建数据中心，为数百名研究人员和学生提供低成本、低碳的云计算。SPEC 基准显示 25-50 台手机约等于一台现代服务器，这些手机以 25-50 台为单位组成由 Kubernetes 管理的自管理集群。该系统预计于 2026 年秋季全面上线。

6月12日周五
6月11日周四
6月10日周三
6月9日周二
  2. Google DeepMind80

    Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型

    Google DeepMind 发布 Gemma 4 12B，一款面向笔记本的智能体多模态模型，采用无编码器统一架构，视觉和音频输入直接进入 LLM 主干。该模型在标准基准上性能接近 26B MoE 模型，内存占用不到其一半，可在 16GB VRAM 或统一内存的消费级笔记本上本地运行，并首次在中等规模模型中支持原生音频输入。

    推荐理由：Gemma 4 12B 用无编码器架构把多模态能力压到 16GB 显存，读者可据此判断本地智能体的硬件门槛。

  3. Google DeepMind22

    Google DeepMind 启动欧洲机器人加速器，15 家初创入选

    Google DeepMind 推出为期 3 个月的机器人加速器项目，从欧洲选出 15 家早期机器人初创公司，本周在伦敦启动，入选团队可使用其 AI 技术栈和 Gemini 机器人模型。项目提供技术指导、产品建议与合作伙伴网络，覆盖物流、制造、医疗、气候和导航等领域，例如挪威 3D-Components 的焊接与金属 3D 打印平台号称比现有做法快 280 倍。