跳到正文

Google / Gemini

Google 與 DeepMind 的 AI 動態:Gemini 系列、Veo 影片模型、研究成果與產品生態的持續追蹤。

最新精選

第 381–400 條 · 共 459 條
10月25日週日
  1. david888podcast81

    HTTP2Shell 風暴席捲全網、純函式式語言逼近 C 語言極限效能

    本集聚焦 HTTP2Shell 漏洞、Wazuh 提權風險以及純函式語言 Roc 在壓縮效能上的突破。 - HTTP2Shell:RCE 漏洞擴散至 Node、Python 等多個 HTTP 函式庫,影響範圍廣泛。

    推薦理由:本文分析 HTTP2Shell 漏洞及純函式語言 Roc 在壓縮效能上的突破,對資安與效能研究提供實證參考。

10月24日週六
  1. Google Research82

    Google 研發基礎模型推進結核篩檢前線

    **Google 研究團隊推出 MedGemma 多模態模型與 MedSigLIP 影像語言模型,並將其應用於結核病篩檢,實現在離線環境下快速診斷,已在多國醫療機構部署。

    推薦理由:本篇闡述 Google 釋出的 MedGemma 多模態模型與 MedSigLIP 影像語言對接,可在離線環境下進行 TB 篩檢與診斷,為全球醫療資源不足地區提供可擴充的 AI 解決方案。

10月23日週五
  1. Claude72

    Claude 模型 現已於 Google Cloud(Anthropic 管理)正式開放。 可用功能:完整的 Claude Platform 功能 身份驗證:使用 Google Cloud IAM 進行授權 計費方式:整合 Google Cloud 計費 承諾退休:支援承諾退休功能

    推薦理由:此公告標示 Anthropic 於 Google Cloud 上正式開放 Claude 模型,使用者可直接透過 Google Cloud IAM、計費與承諾退休整合,提升部署便利性與成本管理。

10月22日週四
  1. Google DeepMind79

    全球10米解析度森林型別地圖:超越樹冠覆蓋

    ForTy 2020 是 Google DeepMind 與 Google Research 於 2026 年發布的全球 10 米解析度森林型別地圖,將每個 10×10 米地塊劃分為六種森林與土地利用類別。

    推薦理由:此研究提供全球10米解析度森林型別地圖,為 EUDR 合規與碳管理提供可操作基準,並揭示自然森林被轉為種植園的隱形變化。

  2. The Decoder89

    OpenAI GPT-5.6 Sol 與 Google Gemini 4 Argon 發現影響數百萬網站的 PHP 重大漏洞

    GPT‑5.6 Sol 與 Gemini 4 Argon 兩大 AI 模型先行發現一個影響數百萬網站的 PHP 重大漏洞。 - 發現途徑:屬於 Patch‑the‑Planet 方案,OpenAI 稱此為「近期最具影響力的安全問題」。

    推薦理由:AI模型提前發現 PHP 漏洞,為全球數百萬網站提供修補視窗,凸顯 AI 在安全防護中的潛力。

  3. Google Research77

    AI輔助超音波為前線產科護理賦能

    Google Research 發布的研究顯示,AI 能夠在低資源環境下利用「盲掃描」超音波準確估算孕周,並與專業超音波師的結果相媲美。 - 準確度:在兩個不同地區(美國芝加哥與肯亞奈洛比)的臨床試驗中,AI 模型的平均絕對誤差(MAE)分別為 4.10 天 和 4.27 天,與專業操作的 4.48 天 相近。

    推薦理由:此研究證明 AI 能在低資源環境下以簡易掃描方式準確估算孕周,為全球產科篩檢覆蓋率提升提供可落地方案。

10月21日週三
  1. Hacker News (official RSS)83

    PHP2Shell:AI 發現 PHP 核心關鍵 RCE

    AI輔助研究團隊在 PHP 核心中發現多個高危 RCE 漏洞,並於 2026 年 10 月釋出修補程式,影響 70% 網站。 - 漏洞型別:記憶體安全缺陷,包含 use‑after‑free、資料洩漏與遠端程式碼執行,CVSS 9.2。

    推薦理由:AI輔助發現 PHP 核心關鍵 RCE,揭示長期隱蔽漏洞成即時威脅,讀者可評估 AI 在漏洞挖掘與修補中的實務價值。

  2. OpenAI News78

    OpenAI 模型進入 Google Cloud 模型花園

    OpenAI 的前沿模型將透過 Google Cloud 的 Model Garden 進行原生部署,讓客戶可直接在雲端環境中使用。 - 模型來源:OpenAI 的 frontier models 及 Codex 代理工作流。

    推薦理由:OpenAI 模型將可在 Google Cloud 直接使用,讓企業在已熟悉環境中部署高效代理式工作流。

  3. NVIDIA Blog75

    NVIDIA Confidential Computing 擴張,讓前沿模型建構者能安全擴充套件至全球基礎設施

    NVIDIA 推出 Confidential Bare Metal,允許前沿模型建構者在第三方裸金屬環境中安全擴充套件工作負載。 - 部署選項:提供 Confidential Bare Metal、Confidential Containers、Confidential Virtual Machines 三種模式,滿足不同信任與運營需求。

    推薦理由:NVIDIA 新增 Confidential Bare Metal 讓模型建構者可在第三方裸金屬環境安全擴充套件,提供硬體級隔離與加密保護,對全球 AI 訓練與推論架構具有重要影響。

  4. NVIDIA Blog76

    Google Cloud 與 NVIDIA 宣佈 Vera Rubin 基礎設施正式上線

    導語:Google Cloud 與 NVIDIA 推出 Vera Rubin 基礎設施,將於下個月正式開放,為雲端客戶提供數十萬 GPU 的高效能訓練與強化學習平臺。

    推薦理由:Google Cloud 與 NVIDIA 推出 Vera Rubin 基礎設施,提供數十萬 GPU 與高頻寬連線,支援大規模強化學習與機器人代理開發,並提供機密計算與能源效率最佳化,滿足企業對隱私與效能的雙重需求。

  5. Wiz Blog & Research85

    Wiz Sensor 進入 GKE:一鍵啟用執行時保護,原生整合

    Wiz Sensor 以一鍵方式整合至 Google Kubernetes Engine,成為 GKE 原生的執行時安全附加元件。 - 部署方式:在 GKE 標準與 Autopilot 叢集上,透過 gcloud add-on 或 Cloud Console 只需一個 flag 即可啟用。

    推薦理由:將 Wiz Sensor 與 GKE 原生整合,使用者可一鍵啟用執行時安全,降低部署成本並提升防禦即時性。

  6. Wiz Blog & Research73

    從釣魚到 LLMjacking:攻擊者利用雲端帳單帳戶支付 LLM 服務

    Wiz CIRT 發現攻擊者利用雲端帳單帳戶支付 LLM 服務,造成數十萬美元的未授權支出。 - 攻擊手法:以釣魚廣告獲取 GCP 管理員帳戶,並在受害者帳戶內啟用 Gemini API、建立服務帳戶,將外部專案連結至受害者帳單,隱藏 AI 工作負載。

    推薦理由:此案例揭示雲端帳單被盜用以支付 LLM 服務的危機,讀者可從中學習防範與偵測手段,並提供實務偵測指標與預防建議,協助企業減少數十萬美元的非授權支出。

  7. Hugging Face Blog82

    Hugging Face 推出 TorchTPU:PyTorch 原生支援 TPU

    TorchTPU 讓 PyTorch 直接在 TPU 上執行,省去 torch_xla 與 JAX 的中介層。 - 核心功能:新增 TPU 作為 PyTorch 後端,支援 eager 與 torch.compile,提供 Pallas kernels、分散式訓練。

    推薦理由:TorchTPU 讓 PyTorch 直接在 TPU 上執行,省去 torch_xla 與 JAX 的中介層,提升開發效率與推理速度。

  8. PyTorch Blog88

    Google 與 Meta 共同推出原生 PyTorch TPU 後端 TorchTPU

    Google 與 Meta 共同開源推出 TorchTPU,為 Google TPU 提供原生且符合 PyTorch 設計哲學的後端架構。 - 核心特性:支援即時(eager)與編譯(compiled)模式,包含全新的 DeferAndFuse 執行模式,可顯著提升效能並減少高頻寬記憶體(HBM)佔用。

    推薦理由:文章詳細說明 Google 與 Meta 合作推出原生的 PyTorch 執行後端,有助於開發者評估在 TPU 上無縫執行與遷移開源模型的效能表現。

10月20日週二
  1. vLLM Official Blog73

    vLLM 推出 TorchTPU 後端,讓既有模型可部署於 Google Cloud TPU

    vLLM 推出 TorchTPU 後端,讓多數既有 vLLM 模型可在 Google Cloud TPU 上執行,無須修改模型程式碼。 - 服務介面:沿用 vLLM 的 CLI、OpenAI 相容伺服器、排程器與 KV cache 管理器,並支援六種平行化維度。

    推薦理由:vLLM TorchTPU 延用既有模型程式碼與服務介面,呈現 TPU 後端如何減少模型移植工作並保留原有部署流程。

  2. LMSYS Org Blog88

    SGLang 推出 SGLang-TorchTPU,讓 PyTorch 推論服務也能跑在 TPU 上

    想把 AI 模型放到 TPU 上跑,開發者往往得另外處理硬體支援。RadixArk 的 SGLang 團隊與 Google、Meta 合作推出 SGLang-TorchTPU,讓 SGLang 能用 PyTorch 在 Google Cloud TPU 上提供模型服務,也支援多種開源模型和服務功能。文章列出已支援模型與功能,並說明有些專案仍在測試;Meta 已在正式環境使用這套服務。團隊也展示用 TPU 進行強化學習訓練的流程,但目前仍是預覽版,接下來會擴大型模型與訓練規模。

    推薦理由:SGLang-TorchTPU 把同一套 PyTorch 推論服務帶到 TPU,並列出實際支援的模型與功能,可瞭解它目前能處理哪些部署需求。

10月15日週四