跳到正文

全部动态

今日 12 条
今天9月30日周三
  4. Google Research45

    Diffusion Controller 如何统一并简化 AI 图像生成

    Google Research 提出 Diffusion Controller 框架，把图像生成的反向去噪重构为连续控制问题，由轻量附加网络在冻结基座模型上施加引导。该框架在 Stable Diffusion v1.4 上以 SFT、RWL、PPO 三种方式评估，用 HPS-v2 衡量人类偏好对齐。其完全解锁版本对基线模型取得 90% 胜率，且无需改动闭源模型内部权重。

  5. AWS Machine Learning Blog40

    Condé Nast 如何用 Amazon Bedrock 构建多模态视频发现

    Condé Nast 用 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频发现方案，将每项内容发现任务耗时从 250 分钟降至不到 2 分钟。方案由 AWS GenAIIC 合作开发，采用 TwelveLabs Marengo 嵌入模型，对超过 140,000 个视频的转录、视觉和音频做意图语义搜索，支持图像查询与精确时间戳。

  7. AWS Machine Learning Blog36

    Amazon Quick 各组件的提示词工程：模式与陷阱

    AWS 详解 Amazon Quick 各组件的提示词工程模式与陷阱，覆盖 Quick Research、Quick Flows 和 Quick Sight。Quick Research 应写清目标、受众和范围并筛选来源；Quick Flows 要明确时间、数据源、输出和交付目标，复杂流程用编号步骤；Quick Sight 查询需包含业务问题、指标、维度和可视化偏好。

  8. AWS Machine Learning Blog35

    Amazon Quick 提示词工程基础：通用原则与可复用框架

    Amazon Quick 提示词工程系列的第一部分聚焦适用于各类 Quick 组件的通用原则与可复用框架，核心方法包括用具体性实现清晰、用上下文提升相关性、用示例替代描述，并给出 CRISPE 结构化提示模板。第二部分将分别讲解 Research、Flows、Sight、Chat Agents 与 Action Integrations 的专属技巧。

  9. AWS Machine Learning Blog67

    GPT-6.1 Sol 在 Amazon Bedrock 上正式可用

    GPT-6.1 Sol 已在 Amazon Bedrock 正式可用，作为 GPT-6 Sol 的重大升级，面向智能体编码、计算机操作和专业工作负载提供更强推理。

    推荐理由：文章给出 GPT-6.1 Sol 与 Astra、GPT-6 Sol 的评测及单任务成本对比，可据此评估智能体编码任务的性价比。

  11. OpenAI News62

    OpenAI 发布 GPT-6.1 Sol

    OpenAI 发布 GPT-6.1 Sol，面向编码、计算机操作和专业工作场景，官方称其智能水平接近 Astra。该模型的 API 输入与输出 token 价格均为 Astra 标准价的五分之一。

    推荐理由：官方给出 GPT-6.1 Sol 相对 Astra 的 token 定价比例与能力定位，可用于判断其成本取舍。

9月29日周二
  1. GitHub Blog40

    GitHub 开发者政策更新：透明度、州政策与未来展望

    GitHub 发布开发者政策更新，称 2026 年上半年透明度中心数据显示政府下架请求从 2025 年全年 98 件增至 2026 年上半年 708 件。增长主要来自报告方法调整，而非内容下架增加；GitHub 还回顾 2026 年美国州立法会期，加州 AI 透明度法案 SB 1000 已解决与开源许可的根本冲突并等待州长签署，AB 2713 修正未在本会期通过，年龄保证亦是重点。

  2. Apple Machine Learning Research39

    语言模型树结构表达式序列化的通信瓶颈：一项往返研究

    研究用往返协议测试 16 个语言模型，发现用自然语言序列化树结构表达式存在有损且不对称的瓶颈，最佳生成-抽取组合准确率 92.9%。交换生成端与抽取端会使准确率变化最多 60.4 个百分点，至少 73.6% 的失败源自生成端，难度由树结构而非模型家族决定。约 3600 条微调样本即可让所有开放权重模型超过未训练的 Gemini-3.1-Pro。

  3. HuggingFace Blog45

    ProvenanceGuard：面向 MCP 智能体的来源感知事实性验证

    ProvenanceGuard 是面向 MCP 智能体的来源感知事实核查层，在不重训模型的前提下对黑盒智能体答案做后置验证，专门识别事实为真但归错来源的跨源混淆。在 281 条医疗智能体真实轨迹中，专家判定 361 条断言里 139 条不应通过，该方法拦下 138 条，可识别来源时约 86% 选对来源。

  5. Cloudflare Blog57

    Cloudflare 发布 Threat Signals，向所有账户免费提供开源威胁情报智能体技能

    Cloudflare 发布 Threat Signals，把用户选定的开源威胁情报报告转化为可执行情报，并向所有 Cloudflare 账户免费开放。它通过智能体技能总结报告、提取并归一化 IOC、按账户既有标签体系打标签，产出的指标以 Threat Event 形式存入账户私有 Threat Intelligence 数据集，可直接用于 WAF 策略。

  9. Cloudflare Blog61

    Cloudflare 2026 年度创始人信：自动化流量已超过人类流量，并预告内容付费与合作

    Cloudflare 发布 2026 年度创始人信，创始人 Matthew Prince 称自动化流量已在 2026 年 5 月超过人类流量，比原先预测的 2027 年下半年提前。

    推荐理由：信中把自动化流量超过人类流量的时间点提前到 2026 年 5 月，可用来理解智能体抓取给小网站带来的成本压力。

  16. Google Developers Blog53

    Google 开源 C++ 库 Credentio，用于 C2PA 内容凭证验证

    Google 开源了 C++ 库 Credentio，用于在本地验证 C2PA 内容凭证，初期支持规范 2.2 和 2.4 版本。该库已在近 40 款 Google 产品中处理数百亿个图像、视频、音频和文档资产，验证在开发者应用本地完成，无需将媒体文件传回 Google 或外部验证端点，以降低延迟、带宽与隐私限制。

  18. Google Developers Blog67

    用 Google Agent Development Kit 构建零信任 AI 智能体

    Google 开发者博客发布指南，介绍如何用 Agent Development Kit（ADK）构建零信任 AI 智能体。文章给出三层防护实现：Cloud KMS 硬件密钥为每次数据库写入签名、gVisor 用户态沙箱隔离动态生成代码、确定性语义网关在模型调用和写库前后做规则校验，并把安全策略写成 CI/CD 中的回归测试。

    推荐理由：文章给出可用 HMAC 本地复现的三层防护实现，读者可据此核对自家智能体写库与代码执行的信任边界。

  20. Google Developers Blog38

    Google Cloud 在 Cloud TPU 上实现企业级高精度长上下文多模态嵌入推理

    Google Cloud 将原生 TPU 支持集成进 vLLM，在 Cloud TPU 上实现企业级精度的长上下文多模态嵌入推理。该方案以 Qwen3-Embedding-8B 为目标模型，支持文本 4K+ tokens、多模态文本加图像 15K+ tokens 的超长上下文，并以余弦相似度验证跨硬件数值对齐，文本目标阈值 ≥0.999、多模态 ≥0.995。

  21. Google Developers Blog46

    用深度学习和 Keras 解码宇宙信号

    深度学习和 Keras 正被用于解码天体粒子物理的宇宙信号，宇宙线、伽马射线和中微子由跨数千平方公里的观测站以纳秒分辨率记录成波形。Pierre Auger Observatory 的 1500 多个探测器站覆盖 3000 km²，IceCube 用约 1 km³ 南极冰探测中微子。10¹⁹ eV 以上粒子通量仅每平方公里每世纪约 100 个，深度学习可提升仪器灵敏度并发现隐藏模式。

  22. Google Developers Blog61

    Google 总结 AI Agents 挑战赛中最强提交的四个工程模式

    Google for Startups AI Agents Challenge 结束后，Google 从各赛道排名靠前的提交中总结出四个工程模式，分别是以 MCP 双向暴露工具、事件驱动并发、备用模型走同一校验函数和分级路由。

    推荐理由：从真实挑战赛代码提交中提炼出四个可复用的智能体工程模式，覆盖 MCP 双向暴露、事件驱动并发与分级路由。