跳到正文

#Google

RSS
今日 13 則
11月12日週四
  1. MediaNama64

    NCMEC 要求印度勿要求平臺重複通報兒童性剝削案件

    美國失蹤與受剝削兒童中心(NCMEC)要求印度不要要求美國平臺在通報疑似兒童性剝削案件至 CyberTipline 後,再直接向印度主管機關重複通報;NCMEC 認為重複通報會增加執法負擔並延誤保護兒童的行動。 現行通報:平臺向 NCMEC 通報後,由 NCMEC 將與印度相關的案件轉交印度網路犯罪協調中心(I4C)。NCMEC 表示,2025 年 1 月至 2026 年 9 月已提供超過 550 萬筆通報,其中超過 77% 在一小時內提供,89% 在 24 小時內提供;平均時間為 52 小時。 資料內容與處理情況:NCMEC 表示,提供給 I4C 的通報包含通報者提交的原始影像、影片、使用者與帳戶資料、IP 位址及 NCMEC 的分析註記;但 NCMEC 不知道印度當局實際開啟或處理了多少筆通報。 印度法規背景:印度《POCSO 法》要求知悉相關犯罪者向印度主管機關通報。Meta 已表示將直接向 I4C 通報兒童安全事項,Google 也提出分享相關資訊。

  2. Dev.to Top Tech53

    Gev 如何透過行為克隆學會遊玩 Doom

    Gev 透過行為克隆學習根據 Doom 畫面選擇控制動作,並在維持英文問答能力的同時,於 deathmatch 測試中提升擊殺數。 - 視覺輸入:模型每隔 4 個 game tic 選擇一次 18 種控制組合之一;輸入包含目前畫面及兩個歷史畫面,分別編碼為 512 個視覺 token。

  3. Dev.to Top Tech78

    Plugin4Shell 漏洞可讓四款 AI 程式碼代理程式安裝攻擊者程式碼

    Plugin4Shell 漏洞利用 Git 參照名稱歧義,讓 Claude Code、OpenAI Codex、GitHub Copilot 與 Gemini CLI 可能在外掛安裝時取得攻擊者程式碼,卻回報已安裝受信任版本。

    推薦理由:Plugin4Shell揭示,Git commit SHA 固定並未確保代理程式安裝的是受審查程式碼,文章也整理各家修補狀態與降低外掛許可權的做法。

  4. BlockTempo 動區動趨77

    Google 更新 Gemini 隱私說明:連結 Gmail 與雲端硬碟後,部分內容可能交由真人審查

    Google 更新 Gemini 說明,個人帳號使用者連結 Gmail、雲端硬碟等應用程式後,部分互動資料可能交由人工審查員檢視,有時摘要可能包含整封信或整份檔案。

    推薦理由:文章整理 Google 說明頁與舊承諾的差異,並列出人工審查可能涉及的資料、適用條件及關閉方式,呈現個人帳號連結服務後的隱私影響。

  5. Dev.to Top Tech82

    Google 推出 Gemini Decisions API,以多模態判斷處理控制流程

    Google 推出 Gemini Decisions API,以 Gemini Decision 1 在單次前向運算中處理多模態控制流程判斷,回傳校準後的機率,不產生文字 token。

    推薦理由:Gemini Decisions API 將多模態輸入與平行判斷整合在單次呼叫中,並提供信心分數與明確定價,呈現其在路由控制流程中的實作方式。

  6. Dev.to Top Tech80

    Unit 42 揭露 Falcon C2 透過遭入侵網站與 Chrome 擴充功能竊取資料

    Unit 42 揭露 Falcon C2 行動透過遭入侵的政府網頁與惡意 Chrome 擴充功能,竊取瀏覽器中的憑證、工作階段資料及通訊內容。 - 已確認情況:研究人員觀察到中東一國及東南亞四國的政府機構遭入侵,時間為 2026 年 3 月至 5 月。

    推薦理由:這起行動呈現從遭竄改的政府入口網站與側載瀏覽器擴充功能竊取資料的兩種路徑,並區分已觀察到的竊取與尚未確認的端點植入。

  7. OpenRouter Announcements73

    OpenRouter 教你如何評測 LLM,並比較 10 個模型的合成任務結果

    OpenRouter 說明如何用符合應用輸入與輸出格式的任務評測 LLM,並比較正確率、費用與請求時間;文中也公佈 10 個模型在 60 項合成任務上的結果。

    推薦理由:文章以可重現的合成任務示範如何同時檢查正確率、輸出格式、成本與回應時間,也揭示公開排名與特定工作負載結果可能不一致。

  8. vLLM Official Blog70

    vLLM 團隊如何把 Qwen3-0.6B 在 TPU v7 上的 RL 訓練縮短到 56 秒

    小型模型計算量不大,但訓練時仍要等待資料傳送、工作排程和快取處理,整個流程可能因此變得很慢。Meta 團隊在 64-chip Google Cloud TPU v7 上,使用 vLLM、Tunix 和 MaxText 調整 Qwen3-0.6B 的 RL 訓練流程,讓每輪從產生回答到更新模型的時間,從約 100 分鐘降到最快 56 秒,並保留 8,192-token 的回答上限。文章也整理哪些調整有效、哪些沒有帶來明顯改善,並提供已合併到開源專案的設定與重現方式。

    推薦理由:文章拆解小型模型訓練中,主機排程、同步與快取如何拖慢整個流程,並以逐步最佳化的實測結果呈現各環節的影響。

  9. Hacker News (official RSS)83

    Chrome 推出 Modern Web Guidance 1.0 穩定版,擴充編碼AI 助理的 Web 開發指南

    Chrome 推出 Modern Web Guidance 1.0 穩定版,將 Web 平臺最佳實務與瀏覽器相容性資料提供給編碼AI 助理,並新增掃描現有程式碼庫的現代化工作流程。

    推薦理由:指南涵蓋跨瀏覽器建議、無障礙審核與程式碼現代化流程,並公開評估資料,可瞭解它如何補足編碼AI 助理的 Web 開發知識。

  10. AWS Machine Learning Blog50

    AWS 盤點 2026 年 10 月 AI 開發者新功能

    AWS 在 2026 年 10 月為 AI 開發者推出新模型與服務更新,涵蓋模型選擇、Agent 可用性、工作流程控制、結構化輸出及成本管理。 - 模型選擇:Claude Haiku 5.5適用於高流量、成本敏感的子 Agent 工作;Anthropic 表示,它在多數任務上的成本比 Claude Haiku 4.5低約 75%。

  11. Modal Engineering Blog78

    Modal 成為 gVisor 維護者,說明其容器隔離與 GPU 支援工作

    Modal 宣佈加入 gVisor 維護者行列,並說明其在容器隔離、GPU 工作負載與效能上的實作及上游貢獻。 - 治理變動:Google 將 gVisor(含名稱與商標)捐贈給 CNCF,專案將改採維護者主導的治理模式;Modal 與 Ant Group、Tines 承諾加入維護者,OpenAI、Tencent 和 NVIDIA 將繼續貢獻。

    推薦理由:文章以 Modal 的部署需求說明 gVisor 如何兼顧多租戶隔離與 GPU 工作負載,並列出效能資料及已投入的上游改進。

  12. Dev.to Top Tech76

    Google 推出 Gemini Decision 1,為工單與潛在客戶提供分類評分 API

    Google 推出 Gemini Decision 1(gemini-decision-1),這款 API 可在單次請求中為多個問題評分,回傳選項機率與信心分數,供工作流程進行分類與分流。

    推薦理由:Gemini Decision 1 將分類與評分整合在單次請求中,並提供信心分數,可用來判斷哪些工單或潛在客戶適合自動分流。

  13. Dev.to Top Tech67

    WebMCP 安全性:網站能否劫持 AI 助理?

    WebMCP 草案讓網站向 AI 助理提供結構化工具;工具描述會進入模型上下文,可能重新界定使用者限制,影響購物代理的決策。 - 攻擊實驗:研究者以三個模型測試五種情境;其中一種把預算重新定義為僅計商品小計的描述,在 9 次測試中全數成功,訂單金額達 €136,超過使用者設定的 €100 上限。

  14. Dev.to Top Tech60

    SaaS 電子郵件送達檢查清單:SPF、DKIM、DMARC 與 Gmail、Yahoo、Outlook 規則

    文章整理 SaaS 團隊改善電子郵件送達率的檢查清單,涵蓋網域驗證、寄送流程、退訂要求與寄件聲譽管理。 - 網域驗證:使用專用寄送子網域;設定單一 SPF 記錄並控制 DNS 查詢在 10 次以內,讓 DKIM 使用自有網域簽署,並以 DMARC 報告檢查 SPF 或 DKIM 是否與 From 網域對齊。

  15. MarkTechPost77

    Google 推出 Gemini Decisions API 與 Gemini Decision 1,輸入價格為每百萬 token $0.10

    Google推出由 Gemini Decision 1 驅動的 Gemini Decisions API,可對共用輸入中的最多 1,000 個問題評分,回傳校準機率,且不產生文字輸出。

    推薦理由:Gemini Decision 1 以校準誤差和多項基準呈現其決策能力,也列出價格與競品差距,可供評估代理程式中的分支判斷需求。