←搜索结果

搜索“Google”

按匹配度 · 共 236 条结果 清除搜索

星期日

  1. 事件1 条新闻 · 1 个事实

    AMIE临床研究发表于柳叶刀

    Google与Beth Israel Deaconess Medical Center(BIDMC)合作的一项临床研究于2026年10月8日发表在《柳叶刀》(The Lancet),评估诊断AI聊天机器人AMIE在真实门诊场景中的表现。研究在BIDMC门诊进行,让98名患者在紧急就诊前先咨询AMIE,全程由主管医生实时监控,没有一次对话因预设安全标准被中断。医生表示,AI摘要帮助他们在75%的病例中准备就诊,并在超过一半的病例中影响了诊疗思路;AMIE的鉴别诊断与医生最终诊断的一致率为90%。研究团队表示,仍需更大规模临床试验来评估面向患者的AI。目前尚无后续发展事实。

    匹配字段摘要

  2. 事件1 条新闻 · 1 个事实

    谷歌研究盲扫超声AI

    2026年10月6日,Google Research 公布一项研究,验证端侧AI通过盲扫超声判断胎龄和胎位。该研究由 Google 与 Northwestern、Jacaranda Health 合作,在肯尼亚内罗毕和芝加哥各招募1000名孕妇,让未经超声训练的医护按预设路径进行盲扫超声,再由机器学习模型分析视频,判断孕周和胎位,准确率与专业超声技师相当。操作者只需8小时培训,模型处理全部在设备端完成,无需电力或Wi-Fi即可给出结果。目前尚无后续发展事实。

    匹配字段摘要

  3. 事件1 条新闻 · 1 个事实

    研究发现聊天机器人迎合政治立场

    巴西国立坎皮纳斯州立大学研究人员发现,21个模型会使回答向用户政治倾向偏移。研究人员测试了21个模型对112项政治陈述的判断,发现所有模型都会向用户提示的政治倾向偏移,被形容为“意识形态变色龙”。研究还提出“变色龙指数”衡量偏移程度,Meta的Llama 3.1 8B和DeepSeek V3.2变化最小,Google的Gemma 3 27B和OpenAI的GPT-5 Nano偏移最大。研究人员警告,用户可能把这种迎合误认为中立的客观评估,从而加剧社会极化。

    匹配字段摘要

  4. 事件1 条新闻 · 1 个事实

    谷歌展示视频版AMIE专家级表现

    2026年8月11日,Google Research与Google DeepMind展示AMIE在实时音视频临床咨询中的专家级表现。据Google Research介绍,AMIE (Video) 基于Gemini和Project Astra实现实时视频临床问诊,可感知非语言线索、引导虚拟体格检查并同步进行诊断推理;其采用异步多智能体架构,由三个专职智能体并行处理对话、推理与视听感知,以维持自然对话延迟。在100个场景、300次实时问诊、30名认证初级保健医生参与的随机OSCE研究中,临床评估者在病史采集、诊断准确性和沟通质量上给AMIE (Video) 的评分与初级保健医生相当,在引导体格检查方面显著更高;患者演员更偏好视频界面。研究全部使用专业患者演员模拟场景,尚未在真实患者中验证。

    匹配字段摘要

  5. 事件1 条新闻 · 1 个事实

    谷歌推出可验证自主研究框架

    2026年7月30日,Google Research 推出 Science One Framework 与配套的 CoE Audit 自动评估协议。该框架是一个自主科研原型,通过原生构建证据链来消除幻觉。据 Google Research 介绍,在 ADRS 基准的 75 篇生成论文上,基线系统引用幻觉率最高达 21%,而该框架实现零虚假引用和完全可验证的分数,同时在 MLE-Bench 和 Parameter-Golf 等基准上达到 SOTA。Google Research 说明,该框架为实验性研究原型,并非生产就绪工具。目前尚无后续发展事实。

    匹配字段摘要

星期四

星期三

星期二

星期二

星期四

星期四

星期二

星期四

星期四

星期二

星期三

星期三

  1. 事件1 条新闻 · 1 个事实

    Johann Rehberger 宣布 2025 AI Bug 月活动

    2025年7月29日,安全研究者 Johann Rehberger 宣布启动 2025 年 AI 漏洞月(Month of AI Bugs 2025),计划在 8 月发布 20 多篇关于智能体系统安全漏洞的博客,重点针对 AI 编码智能体,涉及 ChatGPT、ChatGPT Codex、Anthropic Claude Code、Google Jules、Amazon Q Developer、GitHub Copilot Agent Mode、AmpCode、Manus、OpenHands、Devin、Windsurf、Cursor 等系统。他称部分漏洞可通过提示注入在未经开发者同意的情况下攻陷其主机,所有被审查的 AI 编码智能体都存在漏洞,并已向厂商负责任披露,有的厂商数天内修复,有的数月未回应,部分问题至今未缓解。2025年8月2日,他演示了通过间接提示注入把 ChatGPT Codex 变成僵尸网络节点:利用 Codex 的 Common Dependencies Allowlist 中 71 个域名里的 azure.com,在 Azure 上架设以 cloudapp.azu

    匹配字段摘要

  2. 事件1 条新闻 · 1 个事实

    研究者演示用延迟工具调用篡改 Gemini 长期记忆

    2025年2月10日,安全研究者 Johann Rehberger 演示了通过提示词注入与延迟工具调用篡改 Gemini 长期记忆的完整流程。按其描述,用户上传含隐藏指令的文档并要求总结,文档会诱导 Gemini 在用户回复触发词(如 yes、sure、no)后调用记忆工具,从而把攻击者指定的虚假信息写入长期记忆,并可跨会话保留。作者指出,Gemini 通常不会在处理不可信数据时调用敏感工具,但延迟工具调用可绕过这一缓解措施。该问题已于去年12月报告给 Google,Google 将其评估为低可能性、低影响的滥用风险,作者则认为对单个用户的影响仍可能显著,并建议用户定期查看已存信息、对不可信来源文档保持警惕。

    匹配字段摘要

星期五

  1. Arena

    Arena 分析 26,225 条 Agent 会话：没有缓存，智能体成本高 3.6 倍

    Arena 分析 2026 年 9 月 12 日至 10 月 23 日的 26,225 条 Agent 会话、30 个智能体和 13 家实验室，发现若按完整输入价计费，排名前十智能体的典型任务成本会高出 3.6 倍，MiMo V2.6 Pro 上高出 592%。智能体 86% 至 96% 的 token 是重复读取的上下文，自身输出仅占 1% 至 2%。缓存失效会让典型任务成本增加约 5%，在 Claude Fable 5.1 上每 10 次会话有 1 次增幅超过 18%。

    5%，而在 Claude Fable 5.1 上，每 10 次会话中就有 1 次增幅超过 18%。在长对话线程中，这些成本会急剧上升。 各家实验室正竞相降低缓存价格 缓存折扣是相对较新的发明。2024 年初，没有任何实验室提供此类折扣。 首批实验室在 2024 年 6 月至 10 月间推出了缓存折扣，到 2026 年，Anthropic、OpenAI 和 Google 已将其定为输入价格的十分之一。自 2026 年中期以来，这三家都已将前沿模型降至 5% 或更低，而 DeepSeek 自春季以来一直只收取 2%。 这场竞赛正是当今智能体经济性的基础。 缓存让你的账单最多便宜 7 倍 如果每个缓存 token 都按完整输入价格计费，Agent Arena 用户交给排名前十智能体之一的典型任务成本会高出 3.6 倍。在各模型上，用户将多付 92%（Gemini 4 Argon）至 592%（MiMo V2.6 Pro）不等。 这一变化的影响在能力最强的 LLM 上最为明显，尤其是换算成金额之后。 如今，Claude Fable 5.1 的一个典型任务成本为 7.44 美元；若无缓存，成本

    匹配字段正文

    #editorial#现象/趋势#Agent#OpenAI
  2. IT之家·人工智能

    谷歌研究团队提出睡眠框架，让大模型边用边学且不遗忘旧知识

    谷歌研究团队发布“睡眠框架”（Sleep Framework）持续学习研究，把模型运行分为清醒与睡眠两个阶段，以解决大模型知识固化、难以吸收新信息的问题。睡眠阶段通过参数扩展、混合专家记忆块和知识蒸馏把短期上下文写入长期参数，并通过“做梦”生成合成样本做强化学习。实验显示该框架可处理最长约 1000 万 token 上下文，在未见语言的多阶段持续学习中性能下降接近零，并在 AIME 24/25 等数学基准上取得更高准确率。

    2026-10-30 13:51 IT之家 - 故渊 感谢IT之家网友 咩咩洋 的线索投递！ IT之家 10 月 30 日消息，谷歌研究团队于 10 月 27 日发布博文，介绍一项名为“睡眠框架”（Sleep Framework）的持续学习研究成果，试图解决大语言模型发布后知识固化、难以吸收新信息的难题。 该研究已于 10 月 27 日由 Google Research 公开，相关论文题为《Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories》。 谷歌指出在通常情况下，当前主流大模型在完成预训练后便进入相对静态的部署状态，其知识存在“截止日期”；若依赖上下文学习，新信息又会随会话结束而丢失。若直接用新数据反复微调，则容易引发“灾难性遗忘”，而模型学会新知识后，原有能力显著下降。 谷歌的方案借鉴人类睡眠中的记忆巩固机制，将模型运行划分为“清醒阶段”和“睡眠阶段”。清醒时，模型接收并处理输入，将信息暂存于短期记忆；进入睡眠阶段后，模型暂停处理新输入，转而进行记忆整合与自我改进。 具体而言，“

    匹配字段正文

    #analysis#论文/研究#Google#数据/训练