跳到正文
10月8日周四
  1. Google Research66

    Google Research 三个月实地实验:AI 辅助提升专利撰写产出,但初级律师无辅助判断力未同步提升

    Google Research 与 NBER 发布一项为期三个月的实地实验,在 11 家知识产权律所的 133 名律师中随机开放当时未发布的 Google Labs AI 专利撰写助手(现属 Gemini Notebook)。

    推荐理由:三个月实地实验区分了AI带来的即时产出提升与无辅助判断力变化,为理解AI对专业能力养成的影响提供了少见的长期证据。

10月7日周三
  1. TechCrunch · AI62

    Google Labs 推出 AI 游戏创作平台 Playground

    Google Labs 推出 AI 游戏创作平台 Playground,用户用简单文本提示即可构建浏览器游戏,无需编程经验。创作者可选择问答、竞速等类型,指定 2D 或 3D、单人或多人,并描述玩法机制与视觉风格,还可上传素材由 AI 转成符合美术风格的游戏资产。

  2. Latent Space88

    OpenAI 内部模型发布 722 篇数学论文,称解决 500 个公开数学难题中的 90 个

    OpenAI 以博客、GitHub 仓库和推文形式发布了一批来自未公开内部前沿模型的数学成果,共 722 篇手稿、归入 372 个相关结果族,来自约 4000 道研究问题的评测,平均每个结果约用 3 小时 ChatGPT Pro 推理算力。

    推荐理由:OpenAI 用内部模型批量产出数学结果,读者可据此了解这批成果的规模、算力成本与外界质疑。

  3. The Decoder66

    Google 发布 EmbeddingGemma 2 多模态嵌入模型

    Google 发布开源多模态嵌入模型 EmbeddingGemma 2,可将文本、图像、视频、音频和代码转换为数值向量,参数量 7.4 亿。Google 称其在多模态嵌入基准上超过参数量两倍的竞品,在 Massive Text Embedding Benchmark(Code)上得分 78.68,比前代 68.76 提升近 10 分。

10月6日周二
  1. Google Research34

    Google 发布智能体隐私与安全研讨会报告:从上下文完整性视角看开放问题

    Google 发布《智能体隐私与安全中的开放与新兴问题:上下文视角》研讨会报告,汇集 50 多位学界与业界专家,于 2025 年底在纽约举行的 CAPS 研讨会上完成。报告基于上下文完整性(CI)理论,提出以实时动态策略引擎作为监督层,在执行前评估智能体数据流与动作是否合乎情境,并给出系统级沙箱、模型级推理、用户控制等多层防御方向。

10月5日周一
  1. TechCrunch · AI60

    Google 因 AI 提交激增暂停开源漏洞赏金计划

    Google 以自动化提交大幅增加、其中绝大多数无效为由,自 10 月 1 日起暂停其开源软件漏洞奖励计划,并承诺在 2027 年第一季度给出更新。公司称暂停源于 AI 提交的显著上升,据 Tom's Hardware 报道,Google 工程师和开源维护者被大量无效或含幻觉的报告压垮。暂停期间,参与者被建议转向 Google 的其他漏洞赏金项目。

10月4日周日
10月3日周六
  1. The Verge · AI58

    OpenAI 一名安全员工离职并公开警告

    曾在 OpenAI 负责撰写每次重大模型发布配套安全报告的 David Robinson 本周辞职,并在 The Atlantic 发表评论文章。他认为行业文化已根本性损坏,问题比新增几条训练模型规则或监管更深,硅谷以极度自信和持续冲刺的方式、在不受约束的乐观中构建更大更好的模型,忽视或低估潜在问题。

10月2日周五
  1. Google Research62

    Google 发布基于 TEE 的新一代联邦学习系统

    Google 宣布新一代联邦学习系统,利用可信执行环境(TEE)为数据匿名化提供可验证、可审计的保证,并已由 Gboard 采用。系统通过访问策略公开透明日志 Rekor、KMS 密钥管理与可复现构建,让外部审计者能核查服务端实际运行的代码。Gboard 已用该系统上线英语和日语下一词预测模型,训练瓶颈从设备端转移到服务端,计算时间较此前系统显著加快。

    推荐理由:Google 公布基于 TEE 的新一代联邦学习系统设计,并给出 Gboard 已上线的落地情况,可了解隐私可验证训练的实现路径。

  2. MIT Technology Review · AI50

    别被 LLM 骗了:大语言模型并不会真正推理

    前 Google DeepMind 研究员指出,LLM 靠逐个预测 token 生成答案,本质只是"系统 1"式的快速直觉,并非真正推理。他认为链式思维仍由同一套 next-token 预测产生,缺少可检视的显式认知状态、知识与推理的分离,且推理链常是事后编造。他主张借鉴 AlphaGo 的游戏树搜索架构,为 AI 建立可更新的认知状态,以实现可信推理。

10月1日周四
  1. Google DeepMind83

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御者开放,随后逐步扩展到开发者、企业和消费者,起价为每百万输入 token 2 美元、每百万输出 token 10 美元,缓存输入 token 按输入价的 95% 折扣计费。

    推荐理由:官方给出 Argon 在编码、企业知识与网络安全上的基准与内部落地数据,可据此判断前沿模型的能力边界与分阶段开放节奏。

9月30日周三
  1. Google DeepMind66

    Google DeepMind 推出 SynthID Bio,为 AI 生成蛋白质嵌入水印

    Google DeepMind 推出 SynthID Bio,将水印技术引入合成生物学,把不可感知的签名直接嵌入生物代码,使水印不仅能在数字模型上验证,也能在合成出的实体蛋白质上验证,同时实验室测试显示其生物功能未受影响。

    推荐理由:DeepMind 把水印从数字内容延伸到合成生物,读者可了解其原理与生物安全筛查的衔接方式。

  2. Google Research40

    Google Research 提出 Diffusion Controller,统一并简化 AI 图像生成控制

    Google Research 提出 Diffusion Controller 框架,将扩散模型的去噪过程重构为连续控制问题,用一个轻量"转向阻尼器"网络在冻结基座模型的前提下动态调整生成轨迹。在 Stable Diffusion v1.4 上以 HPS-v2 评测,其完全解锁版本对基线模型取得 90% 胜率,并支持对闭源黑盒模型进行控制。