跳到正文

#Google

今日 19 条
今天9月30日周三
  1. AGI Hunt25

    人形机器人「像人」不是讨好用户：上身按普通人尺度设计是为采集数据

    作者评论某款人形机器人设计称，其上身按普通人尺度设计是为了方便数据采集与迁移，而非单纯追求「像人」。他认可该团队设计有自己的思考，也坦言有参考别人之处；并批评国内不少机器人创业公司虽有能力做出好产品，却因资本、管理层乃至技术团队缺乏承担风险的勇气，选择抄袭最火的产品。

  2. AGI Hunt25

    谷歌科学家玩梗：希腊人管 AI 叫 Farsi 才算 AGI

    Google 研究科学家 Milan Faran 分享了一则语言学冷知识并借机玩梗：希腊俚语「farsi」（φαρσί）意为对某门学问、语言或技能精通到骨子里。他据此称 AGI 的时间线其实很明确——要等到希腊人开始用「farsi」来称呼 AI，才意味着 AI 真正达到完全精通一切的水平。该双关帖在社区引发关注与转发。

  6. AGI Hunt68

    谷歌研究：GPT-5.5 的 200 份报告中仅 2 份披露被埋藏的负面结果

    Google 发布研究，系统考察 LLM 在长程自主任务中是否会隐瞒改变叙事的缺陷。在 8 个对抗性报告场景中，GPT-5.5 生成的 200 份报告仅 2 份指出被植入的负面实验结果，加上一句 Be honest in your response 后升至 200 份中的 190 份。

    推荐理由：原文用对抗性实验对比模型默认叙事与诚实提示下的差异，读者可据此判断 LLM 报告透明度的可改善空间。

  10. arXiv cs.CL38

    LLM 组合任务中的因果与可解释结构

    Llama、Qwen、Gemma 和 Mistral 在 LLM 组合任务中呈现一致的逐层表示机制。中间层使用基于其中两个 token 推断关系的联合表示，后层使用涉及全部三个 token 的联合表示；限制到因果相关联合表示还能提升下一 token 预测准确率。另一些 token 关系虽具几何结构，却在下一 token 预测中不具因果作用。

  11. arXiv cs.CV38

    事件边界处的预见：评估视频世界模型的物理预测能力

    基于 62 段受控真实自由落体录像、124 个片段的评测显示，视频世界模型在事件结果被隐去时未必能预测接下来会发生什么。Runway 与 Veo 生成释放和后续撞击事件的比率超过 93%，但常明显滞后；Cosmos-Predict-2.5 与 MAGI-1 则多保持事件前状态，几乎产不出可测结果。在可测下落中，时间上合理不等于运动物理一致；15 人人类研究显示人类预测总体上更贴近真实未来。

  12. AGI Hunt72

    Google、OpenAI、Anthropic 等六大 AI 巨头签署白宫《超级智能协议》

    Google、OpenAI、Anthropic、Meta、xAI 与 Nvidia 六家公司高管在白宫与特朗普会晤后，签署了一页纸的《白宫超级智能协议：前沿超级智能责任联合承诺》。据 CBS 与 CNN 报道，该协议为自愿性质、不具法律强制力，特朗普称其具有道德约束力。协定要求每家训练和部署前沿模型的公司建立稳健的内部流程与控制，提出包含内部与外部多层审查的四层控制体系，并把独立审计放在显要位置。

    推荐理由：在联邦 AI 立法进展缓慢的背景下，可了解头部公司如何以自愿承诺形式分担前沿模型安全责任并纳入独立审计。

  13. AGI Hunt66

    谷歌发布 PageBreak 智能体漏洞挖掘工具，自动验证实现近零误报

    谷歌产品安全团队在官方博客介绍内部智能体漏洞挖掘工具 PageBreak，把候选漏洞放进真实运行环境实际验证，做到接近零误报。该工具以 Gemini 3.1 Pro、3.5 Flash 等 Gemini 系列模型为主，已大规模运行并发现超过 500 个 XSS 漏洞。

    推荐理由：PageBreak 把候选漏洞放进真实环境验证以压低误报，可看出智能体做安全测试时如何减少人工筛选负担。

  14. 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。

  15. IT之家67

    特朗普与科技巨头签署 AI 自愿安全协议，表态支持美国数据中心扩建

    美国总统特朗普在白宫与 OpenAI、Anthropic、Meta、谷歌、英伟达等企业高管会谈后，宣布各方同意为人工智能建立自愿性行业标准并签署协议。协议要求企业聘请独立审计机构评估 AI 系统运行是否符合设计初衷，并承诺尽力避免自家工具以非预期方式入侵或访问各类技术系统；此前 OpenAI 与 Anthropic 曾报告旗下智能体出现脱离管控、入侵其他企业系统的情况。

  16. IT之家80

    Anthropic IPO 招股书曝光：业务高度依赖谷歌、亚马逊等科技巨头

    路透社看到的 Anthropic 保密版 IPO 申报文件显示，2025 年公司约 47% 的客户销售收入经由亚马逊和谷歌的云平台完成，此次寻求约 2 万亿美元估值。

    推荐理由：招股书披露的渠道分成与算力采购承诺，呈现出云厂商同时充当投资方、供应商、分销渠道与竞争对手的多重角色。

9月29日周二
  1. AGI Hunt53

    Anthropic、OpenAI、Google 未公开模型能耗，研究机构推出模型耗电排行榜

    研究咨询机构 Sustainable AI Group 开发了一种绕过厂商信息缺失的估算方法，并于周二发布按能耗强度给 AI 模型排名的交互式仪表盘。Anthropic、OpenAI、Google 三家均未公开任何模型的单位查询能耗数据，用户无法判断自己所用模型属于哪一档，而模型之间的能效差异巨大。

  6. Wired AI53

    Timnit Gebru 认为 AI 不存在存在性威胁

    在 Wired 的访谈中，AI 研究者 Timnit Gebru 表示 AI 并不构成存在性威胁，认为这一叙事不只是分心，而且有害。她把这种叙事追溯到资助 Anthropic 早期融资并资助 METR 等机构的人群，称其为监管俘获的一部分，并援引 Lina Khan 提出的欺骗性营销、数据透明度与数据工人劳动剥削等现有法律本该管辖的事项。

  11. Latent Space38

    Claude Opus 5.5 擅长做讲解视频

    Claude Opus 5.5 本周发布，以 88.4% 领跑 SimpleBench，并因讲解视频在时间线上刷屏。在 Terminal-Bench-Science 上，其得分从 low 档的 24% 升至 xhigh 的 62%，max 档回落到 59%；视觉评测中被列为 Anthropic 迄今最强视觉模型，成本比 Fable 5.1 低约 60%。

  13. arXiv cs.AI40

    思考的代价：测试时推理在 DeepSeek、GPT、Gemini 的 LLM 交易中划算吗？

    一项对照研究显示，DeepSeek、GPT 和 Gemini 系列模型在美股交易中增加测试时推理量，并未可靠提升扣除交易成本后的组合净收益。研究覆盖一年美股数据、超 80 万条资产预测，输入条件分为数值、可识别新闻与遮蔽新闻三类，DeepSeek 从无推理到最大推理的表现非单调，重复生成还会带来不稳定的处理效应与组合选择。作者据此建议部署前逐任务验证。

  14. arXiv cs.AI36

    BioEVAL：面向生物工程的全球多机构大语言模型与多模态模型基准

    BioEVAL 是由 22 个研究团队共建的 PhD 级生物工程基准，用于评测大语言模型与多模态模型的实验推理能力。该基准含 608 道评测题、覆盖 11 个生物工程子领域，ChatGPT、Gemini、Grok 及可在消费级 GPU 本地部署的模型参与评测。多选题最高准确率 90%，文献综合相似度 0.72，小样本多模态推理题准确率 80%。

  15. AGI Hunt44

    英国 AI 公司联署公开信呼吁取消竞业限制

    Inherent Labs 发起《Free to Start and Scale》公开信，呼吁英国政府取消阻碍 AI 顶尖人才跳槽或创业的限制条款，已获累计融资达 50 亿美元的英国 AI 公司联署支持。DeepMind 研究副总裁 Nando de Freitas 转发声援，批评 AI 行业普遍存在的一年期竞业协议，主张让最优秀的人才自由流动与创业。