跳到正文

#Google

RSS
今日 0 則
11月18日週三
  1. Databricks Blog64

    Databricks 與 Google Cloud 打通 Unity Catalog,讓雙方能讀取同一份資料

    同一份資料放在不同雲端平臺時,常得複製一份才能分析,資料治理標籤也可能無法跟著移動。Databricks 與 Google Cloud 宣佈,使用者現在能透過 Unity Catalog 和 Google Cloud 的 Lakehouse 互相查詢同一份資料,不必複製;例如 Databricks 可以讀取 Google Cloud 管理的 Iceberg 資料表,BigQuery 也能讀取 Unity Catalog 管理的資料表。雙方也推動讓目錄分享標籤,像是資料屬於財務領域或含有個人資料等資訊,移到另一個目錄後仍能保留,方便治理資料並提供 AI 助理查詢所需的背景。

    推薦理由:Databricks 與 Google Cloud 讓同一份資料能跨平臺查詢,並分享治理標籤,呈現開放目錄如何減少重複管理。

  2. LMSYS Org Blog76

    SGLang Summit 發表 SGLang v1.0 與 Miles v0.2,擴大推論和訓練支援

    AI 模型越來越大,AI 助理也會累積大量工作紀錄,讓推論和訓練更難在不同硬體上順利進行。SGLang Summit 發表 SGLang v1.0,聚焦提升正式環境的效率與擴充能力;Miles v0.2 則支援 NVIDIA 和 AMD GPU、Google TPU,並將強化學習擴充套件到圖片、影片和音訊。大會也分享多個部署案例,例如 Meta 表示,改用 SGLang 後 GPU 用量減少超過 2 倍。這些更新與案例呈現了團隊如何把實際部署需求帶回開源工具的開發中。

    推薦理由:SGLang 與 Miles 的更新涵蓋推論和強化學習,也整理了不同硬體與實際部署的經驗,可看出開源工具如何回應現場需求。

11月17日週二
  1. OpenAI News44

    OpenAI 攜手智利政府,培訓公務員並協助新創發展 AI

    OpenAI 與智利政府合作,希望讓 AI 能用在公共服務,也幫公務員學會怎麼使用和檢查 AI 工具,並提醒他們保護敏感資料、由人負責把關。雙方也會探索如何協助智利新創取得相關資源、技術建議和業師指導,讓他們開發能改善民眾生活的 AI 應用。接下來,雙方代表預計會一起排定工作順序和目標;合作備忘錄沒有承諾投資或採購,實際活動與資源還要另外商定。

  2. Google Developers Blog74

    Google 推出 TPU 模型設計與效能調校指南

    同一個模型放到 TPU 上,矩陣尺寸、模型結構和資料怎麼分工,都會影響訓練速度與服務延遲。Google 推出開源指南,整理模型設計和 TPU 硬體配合的方法,涵蓋把重要尺寸對齊 256、讓 MoE 專家模型少搬運資料,以及依晶片連線方式安排平行運算。文中也用 Ironwood 的測試說明調整效果,例如一種 LatentMoE 設計讓訓練速度提升 14%。指南提醒,架構改動可能影響模型品質,應用實際執行時間比較,並先確認答案品質。

    推薦理由:指南把 TPU 的矩陣尺寸、模型結構與平行運算方式連到實際效能資料,呈現團隊可如何依瓶頸調整設計。

  3. Google Developers Blog59

    Google 示範如何用 Agent Anomaly Detection 找出 AI 助理越權行為

    AI 助理可能因工具許可權太大,讀到不該看的資料,團隊也未必能從當機或錯誤紀錄發現問題。Google 這份操作指南用一個虛構的客服助理示範 Agent Anomaly Detection:助理原本要處理訂單和退款,卻能讀取薪資資料;系統會檢視助理留下的紀錄,找出偏離工作範圍的對話,並說明原因與修正建議。指南也示範如何設定 Cloud Monitoring 和 Security Command Center 警示。範例資料只存在記憶體中,不會讀取真實資料;這項功能目前是 Private Preview。

  4. Google Developers Blog74

    Google 教你依 AI 助理的工作時段配置 GKE 節點

    AI 助理的工作空間可能整天開著,卻只在收到提示詞時工作;如果每個工作階段都一直佔著機器,等待時間也要付費。Google 說明如何用 Agent Substrate 和 AX 把閒置的工作環境暫存到物件儲存,空出機器,等下一次提示詞來時再恢復。以 100 個程式開發 AI 助理為例,每小時 2 次提示詞並設定 2 分鐘閒置時間,節點費用可省 40%;每小時 4 次提示詞時,節省幅度降到 4%。文章也提醒,工作池要依最忙時的需求配置,並和提供相同 CPU 保證的做法比較。

    推薦理由:文章用提示詞頻率和閒置時間比較 GKE 節點成本,並說明工作池滿載與 CPU 保證會怎麼影響停放效益。

  5. Google Developers Blog77

    Google 用 Zero-TIM 讓 TPU 上的 AI 模型取樣與訓練結果完全一致

    大型語言模型用強化學習訓練時,取樣和更新模型若算出些微不同的機率,訓練可能變得不穩。Google 在 Tunix 中做出 Zero-TIM,讓 TPU 上的取樣、服務預填和訓練三條流程,對同一個動作算出完全相同的機率;做法包括固定運算順序,並讓訓練重用服務端的計算。團隊在 64 張 TPU v5p 上測試 200 步,Zero-TIM 每一步的取樣與訓練機率差異平均為零,這些測試中的解題率也比另外兩種做法高。結果來自 FrozenLake 測試環境,文章沒有說明其他模型或任務的表現。

    推薦理由:文中拆解 TPU 上取樣與訓練算出不同機率的原因,並提供三段比對流程,方便定位數值差異從哪裡出現。

11月16日週一
  1. Google AI Official Blog80

    Google Maps 的 Ask Maps 新增旅遊行程規劃與預約搜尋功能

    假期出遊要排景點、查路況,還得安排各種待辦,常要在不同地方來回找資料。Google Maps 的 Ask Maps 新增多天行程規劃,可列出每天停靠地點,也能檢視即時路況、營業狀態、天氣、延誤和通行費;行程可以分享,或在電腦上匯出到 Google Docs。它也能搜尋附近店家的預約時段,並從收藏清單中找出有空位的地點。這些功能開始在 Android 和 iOS 推出;行程規劃與清單搜尋適用於 Ask Maps 開放的地區,路線提示和預約搜尋先在美國推出。

    推薦理由:Ask Maps 把行程規劃、路況查詢和預約搜尋放在同一個流程中,呈現它如何協助處理假期出遊與日常待辦。

  2. Artificial Analysis40

    從 GTA VI 第一支預告在 2023 年 12 月發布至今,Artificial Analysis Progress Index 的最高分從 160 升到 358,增加超過一倍。榜上 491 個模型中,有 481 個是在預告發布後推出;最高分也在 23 個不同日子被改寫,模型來自 OpenAI、Google DeepMind、SpaceXSI 和 Anthropic。當時排名第一的 GPT-4 Turbo,現在會排到第 379 名。這些變化顯示 AI 模型進步很快;推文也開玩笑請 AI 公司別在 GTA VI 的 11 月 19 日發表新模型,免得搶走遊戲上市的風頭。

  3. Arena.ai58

    Arena 公佈的榜單顯示,Qwen4-Max 在中文模型中排名第一,整體實驗室排名第五;在 Agent Arena 首次登場就排第 14,前一代 Qwen3.8-Max 則排第 39。這項結果來自 14.7k 次真實任務操作紀錄,整體表現提升 7.5%。四項指標都比前一代進步,其中「好評相較抱怨」提升 13%,「確認成功」提升 9%;在工作、聊天和程式任務的排名也都進入中文模型前列。

  4. Databricks Blog58

    Databricks 教你把團隊工作流程寫成 Genie One 技能

    團隊常把工作步驟和格式要求記在腦中或舊檔案裡,每次都得重新交代。Databricks 說明如何在 Genie One 用對話把流程寫成技能,讓它照著步驟、檢查規則和格式完成工作。文中以每月交易簡報為例,示範先確認資料月份是否完整、再找出值得留意的變化,並查詢相關郵件補上原因;試跑後也能修正規則,再開新對話確認結果。技能還能發布給團隊使用,或設定定期執行。

11月15日週日
  1. Guillermo Rauch74

    做網頁介面時,拖曳、快捷鍵和選單操作等功能常要一項項處理。Guillermo Rauch 分享 UI SDK 的使用體驗:透過兩個提示詞,搭配 fx 和 Gemini Argon,AI 助理直接重用了 14 種現成的介面功能,包含調整視窗大小、拖曳、選單切換和鍵盤操作。內容使用純 Web Components,沒有用框架,也提到 WebMCP 的 AI 助理控制功能。

    推薦理由:示範只用兩個提示詞,就讓 AI 助理直接重用 14 種介面功能,並以幾個操作例子呈現 UI SDK 的用途。

11月14日週六
  1. AWS Machine Learning Blog60

    GS Caltex 如何用 SageMaker Canvas 和 Pipelines 部署模型

    模型在開發時能正常使用,接到正式工作流程時卻常要工程師重新串接資料和設定,花上不少時間。GS Caltex 讓流程工程師在 SageMaker Canvas 建立並檢查模型,再由機器學習工程師把模型和資料處理流程接到 SageMaker Pipelines,定期執行批次推論。文章也說明如何確認訓練資料和推論資料格式一致、避免重複處理,並檢查每次執行的結果。GS Caltex 表示,部署模型從約一週縮短到幾小時,並以每 30 分鐘執行一次批次推論,降低持續開著推論端點的需求與成本。

    推薦理由:文章拆解 SageMaker Canvas 模型轉入定期批次推論的流程,也提醒資料格式、執行重疊與成本都要納入上線檢查。

  2. Google Research85

    Google 開放 Antigravity 的 /teamwork,讓 AI 助理協作研究與工程工作

    研究和工程工作常要處理大量資料、反覆試錯,還得確認每一步都正確。Google 在 Antigravity 開放 /teamwork 和 /boost,讓多個 AI 助理分工探索,再用 Lean 4、軟體測試或硬體量測檢查結果。Google 分享的案例包括協助研究者完成數學證明、找出分子結構,以及改寫系統程式;研究者仍負責提出問題和確認成果。學術研究者也可申請六個月免費使用最高用量方案。

    推薦理由:Google展示 /teamwork 如何把長時間研究拆成多個可檢查的步驟,並用形式驗證、測試與硬體量測篩選結果,呈現多 AI 助理協作的實際做法。

  3. Arena.ai45

    LMSYS Arena 本週公佈多款模型在不同競賽的表現。Claude Fable 5.2 (Max) 在 Agent Arena 排名第 1,根據 7.8k 次真實使用記錄,淨改善幅度為 +30.5%;Gemini 4 Hydrogen (High) 則是前 10 名中速度最快的模型,每個常見步驟約需 7.3 秒。Muse Ember (Max) 以每項任務 $0.03 的中位成本登上 Code Arena: WebDev 第 37 名;Inkling 2 Small 則以 1647 分拿下該榜開放權重模型第 1。這些排名讓人能比較模型的表現、速度與成本;推文也提到,採用 Apache 2.0 的開放權重即將推出。

  4. Google Project Zero82

    Google Project Zero 分階段縮短漏洞揭露期限

    漏洞修好後,使用者可能還沒收到更新,攻擊者就已從修補內容找出漏洞細節。Google Project Zero 宣佈調整漏洞揭露政策:從即日起,回報給廠商 90 天後公開;2027 年 2 月 2 日縮至 60 天,2028 年 1 月 3 日再縮至 30 天。新政策也取消多數寬限例外,並希望廠商縮短修補推出與使用者安裝更新之間的時間。若漏洞已在野外遭利用,則依 Google 的應用程式安全漏洞揭露政策處理;硬體漏洞等少數情況仍可能獲例外。

    推薦理由:Project Zero把揭露期限分階段縮短,並取消多數寬限例外,呈現漏洞修補速度與使用者等待更新風險之間的取捨。

11月13日週五
  1. Arena.ai38

    Gemini 4 Hydrogen 擅長知識工作。 根據超過 6,000 場真實世界的 AI 助理工作階段,Hydrogen (High) 在 Agent Arena 總排名第 5。在知識工作任務中則升至第 4。 因此,它在這類任務上的排名超越了整體排名高於它的三款競爭模型:Claude Opus 5.5 (Max)、GPT-6 Astra (Max) 和 Claude Sonnet 5.5 (Max)。 這表示 @GoogleDeepMind 的 Hydrogen 不僅是 Agent Arena 前 5 名中速度最快的模型,也是適合真實世界工作的強大選擇。

  2. Google Developers Blog63

    Google Agent Anomaly Detection 在五個非 Google 撰寫的基準中偵測表現如何

    Google 公佈 Agent Anomaly Detection 在五個非 Google 撰寫的公開AI 助理安全基準上的測試結果,涵蓋 1,774 個工作階段;該功能會分析AI 助理追蹤紀錄與日誌,標記越出預期界線的行為。

    推薦理由:這項測試比較五個公開基準中的偵測表現,並呈現成功攔截後的告警率、誤報範圍與長期記憶投毒的弱點。

  3. Google AI Official Blog88

    Google Search 全球升級 Gemini 4 Hydrogen

    Google Search 將 Gemini 4 Hydrogen 帶給全球所有使用者,更新涵蓋問題理解、搜尋連結與回應呈現。 - 問題理解:可處理多部分問題、難以理解的拼字錯誤與特定需求,並更精確地遵循指示及使用工具。

    推薦理由:這次更新涵蓋複雜問題理解、跨子題搜尋與視覺化回應,可從中瞭解 Gemini 4 Hydrogen 如何改變 Google Search 的回答方式。

  4. Cognition76

    Gemini 4 Hydrogen 已在 Devin Desktop 與 Devin CLI 上線,並在評估真實世界工程任務品質與可合併性的 FrontierCode 2.0 基準中獲得 38.2%。 基準比較:成績略低於 GPT-6.1 Sol。 基準說明:FrontierCode 2.0 評估模型處理真實世界工程任務的品質與可合併性。 https://t.co/fiAMNd9oz8

    推薦理由:Gemini 4 Hydrogen 已可在 Devin Desktop 與 Devin CLI 使用,並提供 FrontierCode 2.0 的工程任務基準成績,可瞭解其在該測試中的相對表現。

  5. Vercel Blog44

    Google Gemini 4 Hydrogen 開放透過 Vercel AI Gateway 使用

    Google 的 Gemini 4 Hydrogen 現已透過 Vercel AI Gateway 提供,接替 Gemini 3.8 Flash,在維持相同延遲級別的同時,提升 AI 助理程式設計、知識工作與工具使用能力。 能力變化:可處理較長的工程任務,並以較少的 AI 助理步驟產出研究更充分的檔案、試算表與簡報;也更能遵循系統指令、格式要求和任務範圍,並在長對話中更可靠地協調工具。 推理與依據:視覺推理和技術問題解決能力有所提升,可支援多模態工作流程;更強的 grounding 可減少搜尋回答中的無依據說法,以及程式設計報告中虛構的工具或測試結果。 使用方式:在最新版本的 Vercel CLI 執行設定,並於 AI 助理中選擇 google/gemini-4-hydrogen,即可在 Claude Code、Codex、Cursor 等工具中使用;也可透過模型 playground 試用。 AI Gateway 服務:提供統一 API,可呼叫模型、追蹤用量與成本,並設定重試、故障轉移及效能最佳化。服務包含自訂報表、Zero Data Retention 支援、API 金鑰預算與路由規則;依照模型供應商定價,不加價,也不對推論收取平臺費用,包含 Bring Your Own Key(BYOK)請求。

  6. Replit Blog82

    Replit Agent 新增企業用品採購與 Google Ads 廣告管理功能

    Replit 為 Replit Agent 新增企業用品採購與 Google Ads 廣告管理功能,讓使用者能在 Replit 內準備採購及廣告活動,並由業主核准支出與投放設定。

    推薦理由:Replit Agent 將採購與廣告流程接入既有工作環境,並以逐筆核准、預算設定與成效追蹤呈現創業者可交由 Agent 協助的營運環節。

11月12日週四