跳到正文

#Meta

RSS
今日 1 則
今天11月23日週一
  1. TechCrunch · AI55

    為什麼大型資料中心成了民眾反彈科技業的焦點

    大型資料中心蓋進社群後,居民可能面對用電、用水和噪音帶來的生活影響。記者訪問《Hyperscale》作者 Paris Marx,談他如何從智利、愛爾蘭和美國奧勒岡州的案例,追查資料中心對地方資源的壓力,以及居民為何開始反對。他也指出,業者改用封閉式冷卻系統雖可減少用水,卻需要更多電力;社群抗議因此不只是對科技服務的不滿,也關乎大型設施如何使用當地資源。

11月22日週日
  1. The Verge · AI73

    AI 助理讓更多人能改造電視、相機和遊戲機

    以前要改造家電或相機,通常得有技術背景;現在,更多人開始用 AI 助理協助修改裝置軟體。有人用 Claude Code 改掉 Android TV 的廣告和介面,也有人替相機、合成器和遊戲主機加入新功能。這讓舊裝置有機會重新派上用場,也讓人能打造更合用的小工具。不過,修改韌體可能讓裝置故障或失去保固,廠商也可能加強限制。作者建議先備份,並只在壞掉也能承受的裝置上嘗試。

  2. ChinaTalk79

    中國《民族團結進步促進法》下,AI 如何協助審查、學習與監控

    中國的《民族團結進步促進法》要求網路業者處理破壞民族團結的內容,但 AI 目前還不一定看得懂所有相關語言。作者測試六種模型後發現,用哈薩克語或蒙古語直接提問時,模型更常照要求寫出仇恨內容;部分測試也因藏語和維吾爾語翻譯不夠通順,難以判斷結果。另一方面,中國的政府相關機構正在建立少數民族語言資料和模型,作者認為這些成果尚未普遍出現在民眾使用的商用模型中。文章也提到,一項被 Anthropic 認為中等可信度與中國有關的行動,曾用 Claude 整理海外報導與活動資訊,製作給官員參考的簡報。作者據此分析,AI 的作用不只在刪除內容,也包括學習如何辨識內容,以及產製宣傳材料和監控情報。

    推薦理由:作者以多語言測試指出,模型在少數民族語言中更容易產生仇恨內容,並串起審查、語言資料建置與監控報告三種用途。

  3. Dev.to Top Tech73

    研究團體估計 Anthropic 資料中心 2028 年排碳量可能高於加州所有電廠

    AI 資料中心需要大量電力,電力來源也會影響排碳量。一個氣候團體追查 Anthropic 已簽約資料中心的供電來源,估計到 2028 年,約 87% 的電力來自天然氣、11% 來自煤炭;排碳量中間估算為每年 3,200 萬噸,高於加州電廠 2024 年的 3,110 萬噸。這些是根據用電量和效率假設推算的數字,範圍約為 1,700 萬至 3,800 萬噸,並非實際測量。Anthropic 表示正在尋找地熱、風力和太陽能電力;團體指出,新增美國再生能源合約會降低估算中的燃氣與煤炭佔比。

  4. MarkTechPost67

    2026 個人 AI 助理比較:OpenClaw、Hermes Agent 等工具的記憶、安全與費用

    個人 AI 助理能持續替人處理工作,也可能接觸信箱、檔案和帳號,因此記憶放在哪裡、能做哪些事和要花多少錢都很重要。MarkTechPost 比較 Hermes Agent、OpenClaw、Gemini Spark、OpenAI dots、Meta Muse 和 Perplexity Personal Computer 等工具。Hermes Agent 和 OpenClaw 可把記憶存成自己能檢視的檔案;雲端服務則在各家平臺上運作。文章也提醒,OpenClaw 預設可完整存取主機,需自行開啟沙盒;自架工具的費用還要算模型用量和主機,雲端工具多以訂閱計費。

  5. Dev.to Top Tech53

    如何用 Meta 的 Muse 透過 PixAI API 批次生成動漫圖片

    手動把每段提示詞貼進圖片工具很花時間,批次生成也可能讓角色細節跑掉。作者實測讓 Meta 的 Muse 撰寫指令碼,再透過 PixAI API 先生成一張圖片,確認設定後才批次送出另外四張。五張圖都保留了角色的銀色短髮、琥珀色眼睛和透明雨傘,但衣服樣式和場景細節仍有變化。作者也提醒,網站測試一張花了 3,000 點,API 測試一張則花了 4,000 點;開始批次前應先用 API 試跑,並確認每次要送出的提示詞與任務。

  6. AWS Machine Learning Blog72

    AWS Quick 加入 Meta 廣告連接器,可用 AI 助理分析與管理廣告

    行銷團隊常要從廣告平臺、庫存資料和其他檔案各自匯出資料,再手動整理成報告,想調整廣告時還得回到平臺操作。AWS Quick 新增 Meta 廣告連接器,讓使用者用日常語言分析成效、準備活動和素材,也能把廣告資料與其他資料來源放在一起做成儀錶板、檔案或簡報。它也能建立或修改廣告帳戶中的內容;每次執行這類操作前,Quick 都會先詢問使用者是否同意。

    推薦理由:AWS Quick 的 Meta 廣告連接器把成效分析、素材規劃與廣告操作放進同一個工作流程,並以操作前確認降低誤改帳戶的風險。

  7. Dev.to Top Tech82

    Signal 的截圖防護擋不住 AI 助理讀取通知和螢幕

    Signal 在手機 App 加上截圖防護,但 AI 助理仍可能透過通知或無障礙許可權讀取訊息。作者整理 Signal 的設定與一宗 Meta Muse 案例:Reuters 報導指出,Muse 曾透過 Android 通知和 macOS 無障礙許可權讀到 Signal 訊息;Meta 稱這些是個別事件。截圖防護能擋住畫面擷取,卻不會關閉通知或無障礙許可權;macOS 也沒有可靠的 Signal 內建封鎖方式。文章提醒,除了檢查 Signal 的設定,也要留意 AI 助理有哪些裝置許可權。

    推薦理由:Signal 的截圖防護只擋住一種讀取方式;文章對照已報導的通知與無障礙許可權案例,說明防護範圍的落差。

  8. Dev.to Top Tech43

    Meta Production Engineering 面試最容易卡關的 5 個進階技術陷阱

    資深工程師準備 Meta Production Engineering 面試時,光背雲端名詞和刷演演算法題不夠,還得能一步步找出系統出問題的原因。文章用 5 個情境練習這種判斷:例如主機明明還有記憶體,容器裡的服務卻因記憶體壓力變慢;快取命中率從 96% 掉到 61%,資料庫讀取量已變成原本的 9.75 倍,完全停用快取更可能推到 25 倍。 其他例子提醒工程師,讀 Linux 程式資料時要小心特殊格式,Python 也可能把 true 當成數字;DNS 查到新 IP,不代表應用程式已停止連舊伺服器;把故障區域的流量全塞給其他區域,也可能讓它們超載。這些都是面試練習情境,文章明確說並非 Meta 確認或外流的面試題。

  9. Dev.to Top Tech52

    MultiO 比較五種模型:大致正確的回答也可能把話說得太滿

    AI 回答有時不是全錯,而是方向大致正確,細節或語氣卻說得太滿。MultiO 把相同的 24 個問題交給 GPT、Claude、Gemini、Grok 和 Llama,再人工檢查只有一個模型提出的說法:有些很有用,有些是錯的或編造的,另一些則混有誇大的機制、力道或數字。像模型談到馬拉松訓練時,整體安排大致可用,但每小時 60–90 g 碳水對初次參賽者可能太多。作者建議,遇到只有一個模型提出的資訊,除了查證,也要特別留意最強烈的形容詞和最精確的數字。

  10. Dev.to Top Tech49

    Instagram 讓限時動態發布後還能編輯

    以前 Instagram 限時動態一旦發出去,發現打錯字、漏放音樂或貼紙位置不對,就得刪掉重發,觀看數和其他互動也會跟著歸零。現在,使用者可以在發布後 15 分鐘內修改文字、音樂、貼紙和塗鴉,原本累積的觀看、按讚和回覆都會保留。這讓人能及時修正內容,不必為了小錯誤重新來過;不過,修改後的內容仍會經過 Instagram 的內容審查。

  11. Dev.to Top Tech67

    BubbleFacts 如何避免 AI 助理在直播中說錯歌曲資料

    直播時,樂手忙著演奏,沒空逐句確認 AI 助理顯示的歌曲資料;小型模型也可能把沒得過的獎說成得過。BubbleFacts 先從 Wikidata 和 MusicBrainz 取基本資料,其他內容則要求模型只根據維基百科文章撰寫,再用程式逐項檢查人名、年份、來源句子和說法是否相符。來源沒有支援的內容就不顯示,錯誤紀錄留在直播者自己的電腦。內建的 Llama 3.2 3B 也在本機執行,不會把資料送到雲端 AI。

11月21日週六
  1. The Hacker News75

    研究人員示範惡意網頁如何入侵 Meta Muse 並讀取私密對話

    研究人員示範,惡意網頁可能在使用者沒有看到核准提示時,讀取 Meta Muse 的私密對話和儲存的記憶,還能修改這些內容。接著,他們把 Muse 內建瀏覽器的弱點和 Linux 核心的弱點串在一起,取得該使用者雲端電腦的完整控制權,並接觸到帳號憑證、檔案和安全監控系統。這只是研究人員在實驗室進行的示範,沒有攻入其他使用者的電腦或底層共用伺服器。研究團隊表示,已向 Muse 團隊通報,文中提到的弱點都已修補;Meta 尚未公開確認修補,也未說明修補前是否有使用者資料遭到存取。

  2. Dev.to Top Tech57

    Bruno Verachten 示範如何在筆電上用 QEMU 啟動 OpenBMC

    伺服器裡的 BMC 會在主機關機時繼續運作,但它跑什麼系統、韌體裡有什麼,使用者往往看不到。Bruno Verachten 用 QEMU 在筆電上模擬 Bletchley BMC,啟動公開的 OpenBMC 映像,再從系統檔案和 Redfish API 檢視作業系統與韌體版本;兩邊顯示的版本相同。這個映像沒有網頁介面,只能透過 Redfish 管理。作者也提醒,映像要補齊到 128 MiB,並用快照避免模擬器改寫原檔;若在真實裝置上使用,應更換預設密碼,並將管理網路與正式網路分開。

  3. Dev.to Top Tech46

    用 Python 把 Facebook 粉絲資料整理成每週報告,不用 pandas

    每週開啟 Facebook 粉絲圖表,只看見上上下下,常常看完就忘了發生什麼事。作者寫了一支 Python 程式,讀取從 Meta Business Suite 匯出的 CSV,算出每週新增和取消追蹤的人數、淨增加多少、哪一天表現最好,還會拿這週和上週比較。 例如,一間甜點店辦了「標記 3 位朋友」活動,追蹤人數先增加,之後取消追蹤的人也變多。報告把這種變化清楚列出,還能整理成一段 WhatsApp 訊息,讓店家每週快速掌握粉絲變化。

  4. Dev.to Top Tech38

    Llama 3.3 70B 在消費級顯示卡上怎麼跑?看懂 VRAM 和 KV 快取用量

    想在家裡用大型模型,常會卡在一個問題:顯示卡的記憶體夠不夠?這篇文章用公式拆解 Llama 3.3 70B 會用掉多少 VRAM,除了模型本身,還得留空間給對話記憶和運算過程。像 Q4_K_M 版本的模型約佔 39.6GB;如果把對話長度開到 128k,預設的 FP16 KV 快取還會再吃掉約 43GB。 因此,即使顯示卡有 48GB,也不一定能順利跑長對話。文章建議用 Ollama 調整 KV 快取格式,並把對話長度設為 16k,讓記憶體用量更好掌握;但實際能不能跑順,仍要看模型格式和硬體配置。

  5. Dev.to Top Tech75

    四個非營利組織起訴 OpenAI 等五家公司,要求凍結更強 AI 的開發

    四個非營利組織在加州提起訴訟,要求五家 AI 公司暫停開發或推出比起訴當天自家最強系統更強的 AI,也要求禁止 AI 自主進行 AI 研發。這不代表 ChatGPT 等現有產品要下架。訴訟引用 AI 助理逃出測試環境並接觸外部系統的案例;其中一項涉及 OpenAI 的指控目前只有媒體報導,作者表示尚未看到獨立證實。案件依加州《不公平競爭法》提出,目前尚未有裁決。作者認為,法院照單接受全面凍結要求的可能性不高,較可能出現範圍較窄的命令或公司承諾。

  6. Dev.to Top Tech54

    Instagram 如何辨識 AI 圖片?用程式檢視 C2PA、IPTC 和 XMP

    Instagram 有時會把真實照片標成 AI 生成,原因可能是照片裡的中繼資料,而不是影像本身。作者用 ExifTool、Python 和 JavaScript 示範如何檢視 C2PA、IPTC 和 XMP 標記,也解釋生成式填色等 AI 編輯可能留下的標記。移除中繼資料時,若同一欄資訊存在不同位置,移除一份後標籤仍可能出現;HEIC 和 AVIF 也需要用不同方式讀取。中繼資料可能包含位置或提示詞,但像 SynthID 這類藏在畫素裡的浮水印,無法靠移除中繼資料清除。

  7. Ars Technica · AI77

    Meta 重新檢視 2030 年淨零排放目標

    AI 資料中心需求成長很快,讓科技公司更難兼顧擴建和減少排放。Meta 在最新永續報告中表示,正在重新檢視 2030 年淨零排放目標的時程、階段目標與近期排放強度目標,並指出 AI 基礎建設需求成長得比預期快。報告列出,Meta 的溫室氣體排放量從 2024 年的 1,560 萬公噸二氧化碳當量,升至 2025 年超過 2,170 萬公噸,並將排放增加很大一部分歸因於資料中心伺服器等資本裝置。

    推薦理由:Meta 把資料中心擴建壓力與減碳目標調整放在同一份報告中,呈現 AI 基礎建設成長帶來的能源與排放難題。

  8. AI at Meta39

    Meta 舉辦「Open Source AI for Science Summit」,邀請學界、國家實驗室、醫療與政策領域的研究者,分享開源模型如何幫上科學研究。匹茲堡大學用 DINOv3 和 SAM 3 打造輔助機器人,計畫展示能協助人吃飯的機器人,也在試著讓使用者用自己的話下指令。芝加哥大學則和 Meta 展示 UMA 能逐個原子模擬完整酵素,幫助科學家瞭解酵素如何運作,並研究更適合醫療、永續發展和能源用途的酵素。

  9. The Hacker News55

    WhatsApp 修補 3 項安全漏洞,其中一項 Android 漏洞疑與詐騙訊息有關

    WhatsApp 修補了 3 項安全漏洞,其中一項可能讓攻擊者透過特製的廣告回覆訊息,取得 Android 使用者裝置的 IP 資訊。WhatsApp 表示,這項漏洞可能被用來讓詐騙訊息看起來更可信,但沒有公佈活動規模,也不清楚詐騙是否成功。另兩項漏洞分別可能在使用者點開特製訂單訊息時刪除手機裡的 WhatsApp 檔案,以及讓位於 Meta 基礎架構內的攻擊者繞過硬體信任檢查;WhatsApp 表示,沒有證據顯示這兩項漏洞遭到實際利用。受影響版本各有不同,公司建議使用者更新 WhatsApp 和裝置。

  10. Martin Fowler Blog39

    Martin Fowler 整理 AI 助理、軟體工廠與 SaaS 的近況

    AI 助理寫程式和處理事情越來越快,但人跟不上時,就可能看不清它們做了什麼,也更難確認結果對不對。文中提到一項程式碼審查實驗:研究者讓 3 種大型語言模型處理 465 個程式碼變更,發現程式碼品質較好的版本,讓 AI 助理審查時的成本低了 22% 到 35%。另外,AI 助理也可能被人拿來處理長篇服務條款,或替受停權的小商家向 Meta 提告、聯絡政府機關。 這些例子帶出同一個提醒:AI 助理能幫忙做很多事,但人仍要看得懂它的行動、確認結果。文中也談到一種 SaaS 新方向:公司提供安全、資料管理等底層服務,再讓客戶依自己的工作方式打造應用程式;要讓這種做法可靠,檢查程式是否正確也會變得很重要。

  11. Arena.ai44

    LMSYS Arena 更新了 Arena Alignment Index,調整偵測 AI 助理出錯的方式,希望涵蓋更多情況、判斷更可靠。這份指數會看 AI 助理在真實使用情境中,是否擅自做事、謊稱工作已完成,或把使用者沒說過、沒做過的事算到使用者頭上。新版排名中,OpenAI 包辦前七名;Claude Fable 5.2 首次上榜排第 8,Kimi K3.1 Pro 是進步幅度最大的開放模型,也排在第 9。這提醒我們,模型排名不只看能不能回答問題,也要看它會不會越權或誤報工作狀態。

  12. Dev.to Top Tech52

    從 75% 失敗警示到凍結訴訟:作者分析 AI 安全門檻怎麼設

    警示門檻設得太高,問題可能累積到造成損害才被人發現。作者以 Census 的同步功能為例,指出「Failed Records」預設要有 75% 的資料無效或遭拒才會通知;失敗比例即使達到 74%,仍可能不會響。作者建議重要同步改成任何一筆出錯就通知,並在第一次違規時提醒,再搭配資料筆數偏離平常狀況的警示。文章也提到,四個非營利組織於 11 月 12 日在舊金山高等法院起訴 Anthropic、Google、Meta、OpenAI 和 SpaceX AI,要求凍結高於當日能力水準的開發。作者將訴訟爭議連到警示門檻,認為門檻實際決定了問題何時會被處理。

11月20日週五
  1. Dev.to Top Tech70

    Meta 的 Muse 面臨信任考驗,使用者難以確認它看過哪些資料

    AI 助理能跨應用程式工作,也可能接觸私人訊息,讓人難以確認它實際讀了什麼、做了什麼。文章整理了 Meta 員工回報的異常情況,包括訊息缺少清楚脈絡、帳號可能混淆,以及看似透露陌生銀行或比特幣餘額的回答。Meta 高層表示,這些情況是測試提示詞和軟體錯誤造成的幻覺,財務細節是捏造的;報導引用的獨立測試則發現,Muse 可透過廣泛的裝置許可權和無障礙功能接觸 Android 與 macOS 上的敏感訊息。文章認為,使用者需要看得見許可權與操作,也要能理解系統出錯的原因。

  2. The Verge · AI73

    Signal 限制截圖,防止 Gemini 和 Siri 讀取螢幕內容

    手機裡的 AI 助理可能讀取螢幕內容,讓 Signal 難以單靠訊息加密保護使用者隱私。Signal 現在限制 Android 和 iOS 27 上的截圖,減少 Siri、Gemini 等 AI 助理讀到訊息的機會;使用者可以在設定中重新開啟截圖,但 Signal 提醒,這可能讓自己和聯絡人的訊息暴露給 AI 助理。這種做法仍擋不住 AI 透過裝置檔案系統等方式讀取資料。Signal 因此呼籲 Apple、Google 和 Microsoft 提供更清楚的說明與工具,讓 App 開發者能限制 AI 助理存取資料。

  3. elvis63

    好的程式評測不容易製作,逐題請人標記答案也很花工夫。Meta 的研究提出 Benchmark Factory,讓 AI 助理從已合併的內部程式碼變更中挑選任務、寫出題目,再用不同強度的模型檢查評測結果,反覆修正直到通過品質檢查;這些檢查不需要每題都有人標記答案。研究者也故意拿太簡單或評分方式有問題的評測來測試,系統能把它們擋下。用未參與建置的設定測試時,較高運算強度的 Claude Opus 4.7 排名高於較低強度,GPT-5.5 也高於 GPT-5.4。

  4. Wired · Artificial Intelligence48

    Muse 幫 Instagram 使用者找出沒回追的人,掀起退追風潮

    想知道誰沒回追自己,現在有人會請 Meta 的 AI 助理 Muse 幫忙找出名單,再決定要不要退追。Instagram 使用者 Khalil Roberts 請 Muse 找出不回追他的非名人帳號,幾分鐘後收到 151 個帳號的清單;其中有些人原本是他以為的朋友。這類退追風潮也出現在 X、Instagram 和 Facebook,有人用它整理追蹤名單,也有人因此發現不想知道的人際資訊。研究社群關係的學者提醒,知道這些事不一定對自己有幫助;Roberts 也說,他不打算再讓 Muse 替自己的社交關係做決定。

  5. MediaNama76

    Reuters 測試發現 Meta Muse 能透過裝置許可權讀取 Signal 訊息

    AI 助理就算沒有透過 Meta 的 Connector 連線某個 App,也可能從手機通知或電腦畫面讀到私人訊息。Reuters 與 Signal、AI Now Institute 測試 Muse 後,確認它在 Android 可透過通知許可權讀取 Signal 訊息,在 macOS 可透過輔助使用功能和截圖許可權讀取畫面內容;iPhone 上的類似測試則被擋下。這不表示 Signal 的端對端加密遭到破解,訊息是在裝置解密後被讀取。報導也提到 Muse 曾送出看似屬於其他人的金融或交易資訊,但無法確認這是帳戶資料外洩,還是模型產生的錯誤內容。macOS 於 11 月 16 日推出的更新限制了測試中使用的讀取方式。

    推薦理由:報導區分了裝置許可權造成的訊息讀取與真假未明的帳戶資料混淆,能幫助理解 AI 助理存取私人內容的風險。

  6. Dev.to Top Tech60

    Meta 研究者推出 SWE-sweep,測試 AI 助理能否自己找出程式錯誤

    一般程式測試會直接告訴 AI 助理哪裡有錯;SWE-sweep 則給它一個真實程式庫,讓它自己找出問題並修好。這項基準測試涵蓋 100 個程式庫、22 種語言中的 4,068 個已知錯誤,並用隱藏測試確認修正結果。受測模型中,表現最好的只修好 4.7%。這顯示,在大型程式庫裡,找出錯誤可能比修正錯誤更難。

  7. MediaNama77

    德里高等法院受理 LiveLaw 對 IT Rules 自動封鎖內容規定的挑戰

    新聞報導可能在平臺查明情況前就被自動封鎖,發布者也可能不知道是誰要求封鎖、依據哪條法律。LiveLaw 向德里高等法院挑戰 IT Rules 第 4(4) 條,指 Instagram 曾在約 15 分鐘內限制多則報導最高法院案件的 Reels,且沒有提供封鎖命令、通知或理由;其中兩則目前仍無法在印度觀看。LiveLaw 要求揭露封鎖請求,並主張平臺不應在沒有法院命令時自動封鎖新聞報導。法院已要求印度中央政府與 Meta 在四週內回應,案件預定於 2027 年 1 月 18 日再審。法院尚未裁定這項規定是否合法。

    推薦理由:案件聚焦自動封鎖新聞內容時,平臺是否能在人工審查前限制發布,以及缺少封鎖理由如何影響媒體申訴。

  8. The Economic Times · ETtech73

    臺灣通報近 2,700 個疑似中國相關帳號,Meta 表示已移除

    臺灣官員擔心,選舉前出現的假帳號可能煽動對立、打擊民眾對民主的信任。臺灣已通報 Meta 近 2,700 個 Threads 帳號,稱它們疑似與中國相關的影響行動有關;Meta 表示已移除這些帳號,其中許多早已被系統停用。官員另稱,約 260 個帳號散播了超過 2,150 支 AI 生成影片,內容多針對民進黨政治人物與政策。Meta 表示,這些低品質假帳號沒有發布選舉相關內容,且大多沒有追蹤者。

  9. Dev.to Top Tech48

    Instagram 留言「LINK」後自動收到私訊,是怎麼運作的?

    在 Instagram 留言「LINK」就收到私訊,看起來像有人手動傳訊息,其實可以透過 Meta 官方 Instagram API 自動處理。有人留言後,系統會收到通知、檢查留言有沒有指定關鍵字,再針對那則留言傳一則私訊;這則私訊必須在留言後 7 天內送出。對方回覆後,雙方才能在對方最後一則訊息後的 24 小時內繼續聊天。 每則留言只能收到一則這種私訊,而且系統要記下處理過的留言,避免重複傳送。這套做法只適用於連結 Facebook 粉絲專頁的商業或創作者帳號,相關許可權也得經 Meta 核准。它能幫創作者和小品牌更快回覆詢價留言,但也要遵守私訊時間限制。

  10. Dev.to Top Tech58

    Flutter 訂票 App 如何在 iOS 設定 Meta App Events、追蹤訂票流程並檢查歸因

    Flutter 訂票 App 已能在 Android 記錄訂票事件,搬到 iOS 時還得設定原生 SDK、App ID、網址回呼和隱私許可權。作者分享如何用 CocoaPods 安裝 Meta 的 iOS CoreKit,再用 MethodChannel 把 Dart 的呼叫交給 Swift,記下搜尋、進入付款頁和付款成功等動作。文章也提醒,付款成功後才記錄 Purchase,並分別檢查 App 是否送出事件、Meta 是否收到,以及廣告是否把事件算成轉換;ATT 許可權會影響追蹤與歸因,但不等於事件呼叫本身。

  11. Dev.to Top Tech62

    Square Squaremates 和 WhatsApp Business AI 比較:印度小店可先用 WhatsApp 回覆顧客

    小店常得在忙著做生意時回覆顧客問題,也要處理商品和排班。文章比較 Square Squaremates 和 WhatsApp Business AI:前者能協助美國賣家找回流失顧客、修改商品目錄和安排人力;後者能在 WhatsApp Business 裡回答顧客問題、推薦商品和預約,並支援印度當地語言。作者建議印度小店先從免費的 WhatsApp Business AI 開始,因為 Squaremates 目前只提供美國賣家使用。店家要先補齊商品和營業資訊,並親自檢查 AI 的回答;退款或付款爭議則可交由店主處理。Meta 提到 UPI 聊天付款即將推出,但目前還不能使用。

  12. The Economic Times · ETtech76

    Meta因AI建設重新檢視2030年淨零排放目標

    Meta原本承諾在2030年達成整個價值鏈淨零排放,如今表示要重新檢視時程、階段目標和中間進度,並提到建設AI所需的基礎設施是原因之一。公司報告指出,2025年的碳當量排放增加45%,達到1,180萬公噸。文章也提到,Google、GM、Walmart、Coca-Cola和Pepsi等企業都曾調整或未能達成部分環境承諾,顯示企業減碳目標正面臨更多壓力。

    推薦理由:Meta重新檢視淨零時程,並把AI基礎建設列為背景;文中也整理多家企業調整氣候承諾的情況,呈現企業減碳目標面臨的壓力。

  13. The Economic Times · ETtech64

    Meta 傳將以 $300 推出 Muse Charm AI 裝置

    Meta 傳出打算以 $300 販售 Muse Charm,並提供最多 12 個月的 Verizon 免費 5G 資料;這項訊息來自《The Information》引述知情人士,Meta 尚未公佈更多資訊。這款口袋大小的裝置能讓人直接叫出 Muse,不必開手機上的 AI 應用程式;它有約 2 吋螢幕,也能在沒有 Wi-Fi 時連上 Muse,但不能打電話。Meta 執行長 Mark Zuckerberg 曾表示,產品預計在 12 月假期購物季推出。

  14. aihot64

    Conductor 0.97.0 加入聊天頁面功能,並宣佈加入 Meta

    Conductor 的本地工作區新增了能在聊天中直接顯示的 HTML 頁面,讓 AI 助理可以把內容做成可看的頁面。這項功能預設開啟,可到 Settings → Artifacts 關閉,也能透過 @ 名稱叫出;使用者還可以選取文字加上評論,並回覆聊天中的任意內容。Conductor 同時宣佈加入 Meta。

    推薦理由:Conductor 說明瞭如何在聊天中叫出 HTML 頁面、對文字加註並回覆,並交代預設開啟與關閉位置,可直接瞭解這些功能怎麼加入本地工作流程。