跳到正文

全部動態

RSS
今日 6 則
10月14日週三
  1. Google DeepMind79

    Gemini 4 Argon 負責任與安全地開發

    Gemini 4 Argon 是 DeepMind 推出的新一代多領域模型,透過嚴謹安全防護與實測證明,能在程式碼、金融、法律、網路安全與科學領域執行深度工作。

    推薦理由:Gemini 4 Argon 在深度工作與安全防護上突破,示範前沿模型如何兼顧效能與防護,可供業界參考安全設計。

  2. GitHub Blog · AI & ML77

    GitHub 秘密偵測模型:以更少噪音發現更多秘密

    ModernBERT 版秘密偵測模型結合正規表示式與上下文分類,讓 GitHub 在實際運營中提升 11.5% 的使用者接受度,執行時間縮短 86%,成本降低 98%。

    推薦理由:GitHub 的 ModernBERT 版秘密偵測模型在實際運營中提升 11.5% 的使用者接受度,執行時間縮短 86%,成本降低 98%,證明小型化模型在安全檢測上的高效性。

  3. Google DeepMind78

    Gemini 4 Argon:面向複雜任務的多模態推理模型發布

    Gemini 4 Argon 已正式發布,提供 1M token 限制的多模態推理能力,助力工程、金融、法律等領域解決複雜任務。 - 核心特性:多模態推理、深度編碼、長期推理 1M token,支援多步驟任務。

    推薦理由:Gemini 4 Argon 以多模態推理為核心,突破工程、金融、法律等領域複雜任務,並在多項基準上領先同類模型,為企業與研究者提供可落地的效能提升,並開放 API 供開發者快速整合,實現 1M token 限制,支援長期推理。

  4. Google DeepMind73

    Gemini 4 Argon 發布機器人專用版

    Gemini 4 Argon 在 ERQA 取得 87% 分數,顯示其在物理推理、機器人控制與即時模擬重建方面的突破。 - ERQA 成績:87%,超越所有前沿模型,證明其在 3D 空間物理推理的領先地位。

    推薦理由:Gemini 4 Argon 在 ERQA 取得 87% 分數,顯示物理推理能力大幅提升,為機器人控制與模擬重建帶來新工具,並可輕鬆整合至開發工作流。

  5. Google AI Official Blog77

    Gemini 4 Argon:為最艱難問題而生

    Gemini 4 Argon 於 2026 年 10 月 13 日正式全球釋出,提供 API、AI Studio、Gemini 平臺、Google Antigravity、Gemini App 等多入口。

    推薦理由:Gemini 4 Argon 以 1M token 限制及多模態推理,為工程、金融、法律等領域提供高效解決方案,開放 API 供開發者即時使用。

10月13日週二
  1. MIT Technology Review · AI53

    開放模型有實際好處,風險是否更高?

    開放模型的安全與公平問題成為熱議焦點,本文從多方觀點評估其優缺點與可行策略。 - 優勢:可下載、可微調、促進研究與商業創新,降低成本並提升資料隱私。 - 風險:缺乏安全過濾、易被重新訓練以執行危害行為,且硬體成本高使得實際使用受限。 - 平衡策略:採取分階段開放、加強模型防篡改與社群安全審查,兼顧民主化與風險管控。

  2. Thom Wolf (@Thom_Wolf)78

    碳A 是一個 DNA 模型,已於 10 月 12 日在 Hugging Face 發布,能跨 22,000 種生物提出 5億 基因候選。 基因候選數:超過 5億,涵蓋 22,000 種物種。 公開平臺:已上線 Hugging Face Spaces,供研究者直接使用。 新舊對比:綠色標示為碳A新增注釋,藍色為現有資料庫。

    推薦理由:碳A模型跨22,000種生物提出5億基因候選,顯示大規模基因預測的可行性

  3. Hacker News (official RSS)47

    GLM-Legal

    summary_zh: GLM‑Legal 在三項基準測試中,與前沿封閉源模型相當,並在 Harvey LAB 全通過率達 19.2%。 - 全通過率:Harvey LAB 19.2%,比基礎模型提升 12.5%。

10月12日週一
10月11日週日
10月10日週六
  1. Hacker News (official RSS)69

    近期 AI 模型難以匹敵人類演算法創新

    InnovationEval 研究測試大型 AI 模型在端到端自動化研究中的能力,發現目前主流模型在創新發現上仍遠落後於人類研究者。 - 評估方法:以「on‑policy self‑distillation」為基準,要求模型獨立設計並實現超越 GRPO 基線的後訓練技術。

  2. cloudflare blog78

    推出 Clef-omni 全多模態模型,並加速 Clef、降價 Clef-flash

    Clef-omni 以單一 API 支援音訊、影像、文字與圖片的多模態決策,首次公開於 Cloudflare。 - 多模態支援:音訊 (wav/mp3)、影片 (mp4/webm)、圖片、文字,一次呼叫即可。

    推薦理由:Clef-omni 以單一 API 支援音訊、影像與文字,多模態決策模型的首次公開,為開發者提供更快、更便宜的工作流程選擇。

10月9日週五