02:29Google Research: Blog(资讯)Google Research 推出 Earth AI 机器学习模型,通过分析高分辨率卫星图像识别土地覆盖类型与植被健康度,支持生态恢复项目的规划与监测。该模型在 Global Land Cover 数据集上训练,覆盖 10 米分辨率地表信息,并已在巴西、澳大利亚等地测试。Google 还开源了相关模型与数据集,供研究社区使用。AI模型Earth AIGoogle开源模型卫星图像生态恢复推荐理由:Google 用 AI 看卫星图帮你规划种树恢复生态,模型和数据集都开源了,想做生态项目可以试试原文
02:47Google Research: Blog(资讯)Google 研究团队提出了一种新的框架,用于审计机器学习模型是否真正实现了“遗忘”功能。该框架通过设计特定的攻击和测试方法,能够有效评估模型在删除特定数据后是否仍保留了相关信息。这项工作对于负责任的人工智能、隐私保护和数据安全至关重要,尤其是在用户要求删除个人数据的场景下。框架提供了可量化的评估指标,帮助开发者和监管机构验证模型遗忘的可靠性。论文机器学习数据遗忘隐私保护审计框架Google推荐理由:隐私合规团队和 AI 安全研究者终于有了可操作的遗忘验证工具——Google 的审计框架让“数据被遗忘权”不再是空话,做模型治理和合规的团队建议点开看看具体方法。原文
05:24Google Research: Blog(资讯)Google 发布了 Gemini Enterprise Agent Platform 的 Agentic RAG 数据管理功能,旨在解决企业级 AI 应用中的信息可靠性问题。该功能通过智能数据检索与生成式 AI 结合,确保模型回答基于最新、最相关的企业数据,减少幻觉。它支持多种数据源,并提供可配置的检索策略,让企业能构建更可信的对话式 AI 助手。这对依赖 AI 进行客户服务、内部知识库查询的团队尤为重要。AI产品Agentic RAG企业 AI数据管理GeminiGoogle推荐理由:企业 AI 落地最大的痛点是回答不可靠,Google 这次用 Agentic RAG 直接切中要害。做客服系统或内部知识库的团队,值得看看怎么用这个平台减少幻觉。原文