新研究:AI 审查模型能发现多数智能体异常行为,但误报淹没人工复核
Anthropic Institute 研究员 Andy Hall 复现并扩展了 METR 的研究,测试 GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 能否像人工复核者一样发现智能体日志中的异常行为。
Anthropic Institute 研究员 Andy Hall 复现并扩展了 METR 的研究,测试 GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 能否像人工复核者一样发现智能体日志中的异常行为。
Google Research 的 AI 可借助普通智能手表检测高血压迹象,无需血压袖带校准,仅依赖手表已有的脉搏传感器和运动传感器。该研究发表于 Nature,神经网络从近 50 万小时传感器数据中学习脉搏与心跳模式,再按多天数据计算高血压概率。
Latent Space 的 AINews 汇总指出,Anthropic 10 月年化收入突破 800 亿美元,但投资者对其 1.5 万亿美元 IPO 估值存疑,有人给出接近 1 万亿美元的估计。
Crusoe 确认已将怀俄明州东南部一个未完工的数据中心项目出售给 Google,Google 计划投入 170 亿美元开发该园区。Google 此前曾被 Crusoe 争取为该项目的客户但未成功,并对 Crusoe 管理下的成本与建设周期表示担忧。Crusoe 仍在得州 Amarillo 附近为 Google 建设另一个数据中心,并在 9 月完成了 39 亿美元融资。
The Verge 汇总了 AI 数据中心建设引发的最新争议与政策动向。2026 年中期选举中,两党选民普遍反对数据中心扩张,选举后民主党领导人呼吁进一步限制并放缓数据中心建设。OpenAI、亚马逊等公司承诺与当地社区加强合作并承担数据中心能源成本,同时 OpenAI 正将数据中心更名为"compute campuses"。
2026 年美国中期选举中,选民大规模投票给民主党并反对 AI,Big Tech 在选举中遭遇重大挫败。The Vergecast 本期节目讨论这一结果对科技行业的影响,包括针对科技 CEO 与 AI 监管的国会行动,以及 OpenAI 网页搜索增长能否变现、企业缩减 AI 投入等议题。
The Decoder 的 Frontier Radar 第 5 期盘点了 27 家由大厂离职研究者创办的独立 AI 实验室,按持续学习、语言之外的世界模型、稀缺数据、算力、自动化科研和模型周边工具六类技术押注分组。
Helmholtz Munich 的 Fabian Theis 认为,现有数据集下的扰动预测并不足以支撑复杂算法,应转向用大规模、高精度、多尺度、共配准的生物数据预测分子→细胞→组织→器官→生物体的演化。
Google 澄清其 K-12 学校 AI 新政策:使用 Google 应用的学校需主动选择启用 AI 产品,搜索被归入 Gemini、Gemini Notebook、Gemini in Classroom 与 Search 组成的 AI 产品组合,学校须为学生登录账号单独开启。此前有报道称拒绝 AI 的学校将被关闭搜索,Google 表示实际是由学校依据自身 AI 政策决定是否开启搜索。
Google DeepMind 将视频生成模型 Gemini Omni 1.2 Flash 正式开放,单段视频最长从 10 秒延长到 15 秒,720p 视频价格下降 30% 至每秒 0.07 美元。
推荐理由:读者可以了解 Gemini Omni 1.2 Flash 在时长、价格和对话式编辑上的具体变化,以及参考图一致性的改进。
Google DeepMind 发布 Gemini Omni 1.2 Flash,原生支持最长 15 秒视频生成,并可通过多轮对话编辑片段。该模型相比 Omni 1.1 降价 30%,720p 视频定价为每秒 $0.07,同时提升了对人物、产品和风格参考图的一致性。
推荐理由:原文列出时长、价格与参考一致性的具体变化,读者可据此判断视频生成成本与工作流会如何调整。
SemiAnalysis 发布 GDPx 基准,把 AI 智能体放进模拟知识工作环境,覆盖芯片设计、生物、量化交易、网络安全、法律等 11 个领域共 206 项任务,没有模型得分超过 12%。
Google Research 提出 AI-PPG-ACC-HTN 系统,利用消费级智能手表的 PPG 和加速度计信号被动检测高血压迹象,无需袖带校准。该系统先用 492,347 小时、2,109 名参与者的无标签数据做自监督预训练,再按人聚合多日嵌入向量并结合身高做逻辑回归分类。
推荐理由:该系统用智能手表 PPG 与 ACC 信号做无袖带校准的高血压筛查,并与 24 小时动态血压监测对比,读者可了解其两阶段训练与临床验证设计。
据 Bloomberg 报道,苹果上月将部分工程师的每日 token 预算从 300 美元下调至 200 美元,并计划进一步降至 100 美元,部分非技术团队甚至低至 25 美元。
Anthropic 与美国联合通讯社(AP)签署了其首份新闻内容授权协议,据 Adweek 援引知情人士消息,该协议让 Claude 在选举夜展示带来源标注的 AP 实时选举结果。
亚马逊、微软、Alphabet 和 Meta 在最新季度财报中表示,今年资本开支合计至少 720 亿美元,且多数投向 AI 基础设施,未来数年另有至少 1 万亿美元支出承诺。
Google Research 提出 Agile Deliberation 框架,把主观图像分类器的构建拆成概念范围界定与概念迭代两个阶段,由 VLM 主动挑出边界模糊的图片,让用户给出反馈,再自动优化提示词。
AT&T 的 Connected Life 家庭安防系统现已集成 Gemini for Home,成为首个接入 Google Home Premium 的家庭安防产品。
DuckDuckGo 在 Google 告知学校关闭其他 AI 功能将连带失去 Google Search 后,向学校推广自家搜索引擎。其创始人 Gabriel Weinberg 在 X 上给出将默认搜索引擎切换为 DuckDuckGo 的文档,公司称可在搜索和浏览器设置中关闭 AI 功能,并提供 noai.duckduckgo.com 关闭 AI 回答与生成图片。
Google 宣布使用其 K-12 软件的学校若不选择启用 Gemini 等 AI 工具,将无法使用 Search,学生只会看到学校提示不可用的信息。参议员 Bernie Sanders 称此举为“勒索”,前 FTC 主席 Lina Khan 批评其利用搜索垄断地位迫使学校采用 AI。
Alphabet 第三季度搜索收入同比增长放缓至 12%,付费点击增速从 13% 降至 8%,AI Mode 查询增长强劲但变现率低于传统搜索。Google 称多数 AI Mode 查询是增量需求,并正在 AI Overviews 和 AI Mode 中扩大广告投放,但广告主无法单独衡量这部分库存的表现。
Google 宣布从 2027 年初起,学校必须为学生启用 AI 功能,否则将失去 Google Search 访问权限。Gemini、Gemini Notebook 和 Google Search 在学生账户中默认关闭,学校可逐项开启,但已无法选择不带 AI 的搜索版本。
OpenAI ChatGPT 消费产品负责人 Adam Fry 在周一的媒体活动上表示,ChatGPT 上的搜索查询量已达到 Google 搜索量的 20%,其中搜索指用户输入查询并触发网页搜索的行为。
Google 向学校提供号称不会直接给出答案的 AI 工具,同时允许学校选择不启用这些工具,但代价是连搜索服务也一并放弃。
Google 向《纽约时报》表示,对拒绝其 AI 功能的学校将完全关闭搜索。Google 在周二的教育相关更新中称,K-12 学生账号访问 Gemini、Gemini Notebook、Gemini in Classroom 和 Google Search 将“完全关闭”,除非管理员明确开启;管理员无法在保留搜索的情况下单独关闭 Gemini 功能。
Google DeepMind 为 Google Antigravity 发布一套化学信息学技能(Cheminformatics Skills),基于 RDKit 并接入 ChEMBL 和 PubChem,让智能体完成文献化合物提取、匹配分子对分析和成药性建模。
推荐理由:原文用真实肺癌药物案例展示智能体如何把多天的化学信息学流程压缩到一小时,并说明工具的边界。
Google 宣布明年起 K-12 学生默认关闭 AI 工具,需学校管理员主动开启,涉及 Gemini、NotebookLM、Gemini in Classroom 和 Google Search。
苹果最新财报显示其全年营收和每股收益创历史新高,第四季度 iPhone 营收同比增长 17.5% 至 576 亿美元,Mac 营收增长 24% 至 108 亿美元。
特朗普9月底签署行政令,要求政府机构把“人工智能”改称“Super Intelligence”,一个月后政府网站和招标文件已陆续换用,但五角大楼、FTC、HHS 等仍出现旧称或拼写不一致。
Google 将实验性 AI 应用 Dreambeans 扩展至印度,这是其首个美国以外市场,支持包括印地语、旁遮普语、泰米尔语在内的 13 种本地语言。该应用接入 Calendar、Gemini、Gmail、Photos、Search 和 YouTube 等 Google 服务,无需提示词即可主动生成个性化图文故事,近期还加入 Veo 模型为部分故事生成动画。
AWS 介绍如何用序列级知识蒸馏(SeqKD)在 Amazon SageMaker AI 上微调购物智能体:由前沿教师模型生成多步工具调用轨迹,仅保留能完成任务的成功轨迹,再用监督微调训练小模型,无需教师 logits 或强化学习基础设施,闭源或仅 API 可用的教师模型同样适用。
多机构联合构建的 Realtime-Bench 用 50 个交互式游戏与网页任务评测模型实时决策能力,GPT-6 Astra 在 wall clock 设置下通过率最高仅 36%,而暂停时钟下高推理模型可达 70%-80%。该基准从时间状态感知、自适应思考与时间感知行动三方面考察模型,结果显示前沿模型在低延迟任务上仍明显不足。
卢森堡 SnT 安全中心 Afshin Khadangi 团队发表研究,通过 525 场会话、7600 条编码条目的四项实验发现,共情式提问会让模型输出在人类量表上呈现中度到重度焦虑与羞耻叙事。
Google 联合斯坦福、牛津等机构推出视频智能体 StreamVibe,能区分用户明说、未说出口和任务中途改变的需求,自主决定何时出声。其 StreamVibe-VL 基于 Qwen3.5-9B 训练,响应时机与质量较其他模型提升 10.7%,独立记忆系统再提升主动交互 12.3%。
Google DeepMind 与世界资源研究所开发出 ForTy,将 2020 年全球土地按 10 米分辨率划为原始林、天然次生林、人工林、种植园、油棕橡胶可可等树作物和其他土地 6 类,为 EUDR 提供 2020 年基准。
Google 首席商务官 Philipp Schindler 表示,AI Mode 查询量强劲增长带来影响,因为 AI Mode 的变现能力较低。该消息叠加其他不佳财报引发科技股大幅下跌,报道称市值缩水 15%、约 5000 亿美元,为 2004 年 IPO 以来最差表现。同期 OpenAI 以 1.25 万亿美元而非 1.4 万亿美元估值融资,公开市场对 AI 的情绪正在转冷。
Alphabet、Amazon、Meta、Microsoft 四大科技公司今年资本开支计划合计超过 7400 亿美元,投资者开始担忧负自由现金流与债务压力。
OpenAI、Google、Microsoft 和 Anthropic 表示将采纳一项新标准,让出版商可一次性向多家 AI 公司表达退出 AI 抓取的偏好。该共享“policy token”信号由 Anthropic 标准技术负责人 Kevin Kelley 在 IETF 提出,将写入网站的 robots.txt 文件。
Google 的 Project Suncatcher 卫星成功启动搭载的 TPU,让星载 Gemma 4 模型按提示生成了一首关于身处太空的俳句并传回地球。Google 表示还测试了其他太空主题的打油诗和遥测提示,接下来将评估 TPU 在轨道热应力和辐射暴露下的表现,并为 2027 年发射两颗互联卫星的下一里程碑做准备。
谷歌 Suncatcher 太空数据中心原型卫星已上线并与地面通信,搭载 4 块 TPU、发电功率最高 1 kW,但受功耗限制一次只能开启一块 TPU 约二十分钟。