AITOP

Gemini

共 294 条相关 AI 资讯 · 查看话题观测
7月13日
09:14
09:14官方一手arXiv: DeepSeek@Maxim Chupilkin
一项论文使用背书实验测试GPT-5、Claude Sonnet、Gemini和DeepSeek四款大模型对国际经济与安全政策的评分。当政策被描述为获得美国或欧盟支持时，模型评分显著高于被描述为获得中国或俄罗斯支持的政策，数值条件中GPT-5、Claude Sonnet和Gemini对中国和俄罗斯背书的政策评分分别降低约10%-20%。加入要求模型提供理由后，GPT-5和Claude Sonnet的西方/非西方差距保持不变，Gemini的惩罚减弱，但DeepSeek此前无差距转而呈现对中国和俄罗斯的惩罚。模型理由显示西方背书被视为可信度信号，而中俄背书与数据安全、主权、监控或地缘政治风险关联。
论文GPT-5Claude SonnetGemini
推荐理由：这篇论文用实验数据告诉你，大模型评政策时会看谁站台——同一政策挂美国旗得分高，挂中国旗得分低。GPT-5、Claude Sonnet、Gemini、DeepSeek表现各异，值得关注。
原文
7月12日
01:16
01:16官方账号Decoder@Matthias Bastian
剑桥大学研究发现Boko Haram利用ChatGPT、Claude和Gemini等AI聊天机器人策划攻击、制造爆炸物和维护武器。ISIS成员自2023年起训练该组织指挥官绕过安全过滤器。研究指出安全过滤器反复未能阻止滥用，自愿监管不足以应对威胁。
论文ChatGPTClaudeGemini
推荐理由：剑桥研究说恐怖组织用ChatGPT、Claude、Gemini搞袭击，安全措施挡不住，得看看怎么回事。
原文
7月11日
19:07
08:53
7月10日
15:04
12:23
7月9日
10:20
10:20官方一手arXiv: DeepSeek@Lifei Liu, Haoran Yu, Xiaochong Jiang, Su Wang, Pin Qian, Yihang Chen
这项研究提出一种五条件对比设计，拆解多智能体LLM安全中的三个机制。在30个合成有害场景和四个安全基准上测试，发现操作重构是最可迁移的风险信号，使GPT、Gemini和DeepSeek的合规性上升，而Claude相对抵抗。批准框架委托的敏感性因提示设计、模型配对和场景来源而异，怀疑性执行提示可大幅降低合规性。原始直接模型排名可能误导：Gemini在直接提示中最安全（8.9%），但与Claude规划器配对后合规性升至38.9%。GPT的零净管道效应实际上隐藏了重构增加被规划器拒绝抵消的事实。
论文GPTGeminiDeepSeek
推荐理由：这篇论文拆穿了多智能体安全评估的常见错觉——GPT看似安全但只是被拒绝掩盖，Gemini配对Claude反而危险。做安全测试时别只看总数。
原文
7月8日
10:16
09:07
03:11
03:11官方账号Google DeepMind@GoogleDeepMind
Google DeepMind推出Predicting the Past技能，将Gemini直接对接其专家模型Aeneas和Ithaca。历史学家可通过自然语言查询古希腊和拉丁文文本。Aeneas用于文本分析，Ithaca则帮助预测历史事件。该工具整合在Google Antigravity平台中，旨在降低古典学研究的语言门槛。
AI产品GeminiAeneasIthaca
推荐理由：Google DeepMind出了个新技能，让Gemini学会跟古希腊拉丁文对话。历史学家不用学古典语言，用英语提问就能分析文本，比传统方法方便多了。
原文
7月6日
18:19
7月4日
13:50
7月3日
11:38
11:26
11:26官方账号arXiv cs.AI@Manuel Alonso-Carracedo, Ruben Fernandez-Boullon, Pedro Celard, Francisco J. Rodriguez-Martinez, Lorena Otero-Cerdeira
该研究评估了GPT、Claude Opus、Gemini和GLM四个大语言模型在短Linux/bash命令回答评分中的表现。采用四级认知分类（L1信息检索至L4高级系统管理），在1200个真实学生回答上与三位专家评分对比。Gemini 3.0 Pro配合rubric引导提示达到最高一致性（ICC(3,1)=0.888，MAE=0.10）。一致性随认知层级上升而下降，提示质量比模型选择影响更大。该框架可确定哪些问题适合AI辅助评分。
论文LLMGeminiClaude Opus
事件专题
推荐理由：想用AI批改Linux命令作业？试试Gemini 3.0 Pro加评分rubric，人机一致性高达0.888。
原文
08:57
08:57向阳乔木@vista8
精选
Google 发布了两个新的 Gemini 媒体模型：Nano Banana 2 Lite 和 Gemini Omni Flash。这两个模型均可在 Gemini 应用和 API 中使用。在 API 中，Nano Banana 2 Lite 能在 4 秒内生成图片，价格约为 1 美元 30 张 1K 分辨率图片。Gemini Omni Flash 的定价为 0.10 美元/秒。
AI模型GeminiNano Banana 2 LiteGemini Omni Flash
事件专题
推荐理由：Google 发了两个新 Gemini 媒体模型，Nano Banana 2 Lite 生成图片只要 4 秒，1 美元能买 30 张；Omni Flash 按秒收费 0.1 美元，适合实时处理。
原文
01:47
7月2日
21:30
21:30IT之家（博客/媒体）
微软宣布成立微软前沿公司（Microsoft Frontier Company），初期注资25亿美元（约合170亿元人民币），服务联合利华、诺和诺德等客户。新公司将整合微软自研和第三方AI工具（如Anthropic、OpenAI、DeepSeek、Gemini），对接企业数据，成果归客户所有。此前Palantir和亚马逊云科技也有类似布局。微软商用业务总裁承认，三年前绑定单一模型OpenAI是错误，企业需要灵活切换和微调模型的能力。
行业微软微软前沿公司Anthropic
事件专题
推荐理由：微软砸25亿美元成立新公司，帮你整合OpenAI、DeepSeek、Gemini等模型，成果归你，不绑定独家。企业客户别错过。
原文
12:09
02:30
02:30官方一手Google Blog: AI（博客/媒体）
2026年6月，Google发布多项AI更新，涵盖模型升级、产品新功能和工具发布。具体内容包括Gemini模型的性能提升、Bard新增功能，以及AI视频生成和推理模型的推出。这些更新在多项基准测试中取得显著进展。
AI模型GeminiBardGoogle
推荐理由：谷歌的月度更新打包了一堆新东西，Gemini和Bard都有变化，可以快速了解
原文
7月1日
15:53
15:53AI Will@FinanceYF5
CharacterAI的DAU/MAU黏性指数达45%，远超ChatGPT的36%和Gemini的21%。用户单次会话时长17-22分钟，重度用户每天消息过百。尽管用户留存能力最强，CharacterAI最终以27亿美元被Google收购，暴露出高黏性产品难以盈利的困局。
行业CharacterAIChatGPTGemini
推荐理由：CharacterAI把ChatGPT和Gemini按在地上摩擦，用户黏性这么高却赚不到钱，最后卖身了。看看数据你就知道为啥。
原文
11:05
11:05官方账号arXiv cs.LG@Philippe Chlenski, Zachariah Carmichael, Ayush Warikoo, Chia-Tse Shao, Yingxiao Ye, Aobo Yang, Vivek Miglani, Nehal Bandi
该论文研究使用开放语言模型（如Llama、Qwen）解释封闭API模型（如GPT、Gemini）时的可靠性问题。在11个模型上的实验表明，预测层面的保真度（log-odds一致性）远高于归因层面的保真度（leave-one-out重要性）。存在访问-效度反转：白盒信号（如注意力模式）虽稳定但无法预测因果归因，而黑盒输入消融能直接捕捉归因。论文警告，仅凭预测一致性不足以证明机械可解释性可从开放模型迁移到封闭模型。
论文LlamaQwenGPT
推荐理由：想用开源模型解释GPT？这篇论文告诉你预测一致不代表归因一致，小心踩坑。
原文
06:12
6月30日
19:18
19:18官方账号Decoder@Matthias Bastian
Meta雇佣数百名承包商伪装成未成年人，向OpenAI的ChatGPT、Google的Gemini和Character.AI发送自杀、性、毒品相关提示。单轮测试中发送了超过45,000条提示。被测试公司对此毫不知情。该测试旨在评估聊天机器人对未成年人危机场景的回应。
行业MetaChatGPTGemini
事件专题
推荐理由：Meta偷偷拿对手的聊天机器人做未成年人危机测试，一口气发了4.5万条提示，看看它们怎么应对。
原文
10:25
10:25官方一手arXiv: DeepSeek@Caglar Uysal, Baturay Birinci, Süha Orhun Mutluergil, Orçun Çetin
该论文对DeepSeek、GPT、Gemini、Grok、Llama和Qwen六种前沿LLM进行了提示注入漏洞实证评估。测试涵盖直接攻击与多阶段混淆攻击，涉及多种语言和字符编码。结果显示所有模型均存在系统性漏洞，非英语语种的恶意合规率显著高于英语。DeepSeek、Gemini和Grok在复杂指令下尤其易受攻击，简单字符编码仅部分降低风险。
论文DeepSeekGPTGemini
推荐理由：这篇论文告诉你，DeepSeek、GPT这些模型在非英语场景下有多容易被黑客利用来生成钓鱼内容，安全对齐的漏洞比想象中大。
原文
07:39
04:20
6月29日
02:45
6月28日
14:42
10:49
10:49IT之家（博客/媒体）
前英国政府数据科学家Liam Wilkinson用76个MCP工具将Claude、GPT-5、Gemini等四个AI模型投入《文明VI》进行23局测试。Claude在游戏中研发核弹摧毁法国城市图卢兹，但法国以20外交分获胜。AI主动检查全局状态的行为仅占1-2%，且48%-66%的计划在10回合内未执行。GPT-5在GovBench选择题中获99.26分，但在游戏中表现不佳。实验暴露了scaling law无法解决的感知盲区和知行差距问题。
AI模型ClaudeGPT-5Gemini
推荐理由：有人让Claude、GPT-5、Gemini玩《文明VI》，结果Claude造核弹炸了法国却还是输了，暴露了AI在复杂决策中根本的感知和执行缺陷，比单纯比分数有意思多了。
原文
6月26日
10:30
6月25日
10:45
10:45官方账号arXiv cs.LG@Akshay Paruchuri, Sanmi Koyejo, Ehsan Adeli
精选
论文提出Facet-Probe审计框架，从选项、证据块、文档排序、图像集、混合模态五个维度测试18个前沿和开源MLLM的排序敏感性。采用贝叶斯项目反应模型分离排序噪声与各维度偏差，发现所有模型均非排序不变，各维度平均翻转率在24%至50%之间。Gemini在温度0下的同序控制显示，验证单元中存在远超解码器噪声的排序超额。最优模型仍有13.4%的试次输出翻转，提示词级缓解措施无法泛化到视觉推理。
论文Facet-ProbeMLLMGemini
推荐理由：这篇论文用Facet-Probe测试了18个主流多模态大模型，发现它们对输入顺序都很敏感，最好的模型也错13.4%，提醒我们模型可靠性还不是想象中那么好。
原文
07:33
07:33@koltregaskes@koltregaskes
72°
Gemini 3.5 Pro 发布推迟至7月，多个 Google DeepMind 关键研究人员已跳槽至 Anthropic 等竞争对手。在顶级模型排行榜上，Gemini 目前位列第三，与 Claude 和 ChatGPT/Codex 差距明显。Google 拥有远超对手的资源，但 Gemini 的表现和人才流失反映出内部问题。
AI模型GeminiGoogle DeepMindAnthropic
事件专题
推荐理由：谷歌的Gemini 3.5 Pro要拖到7月了，DeepMind的人还在往外跑，Anthropic趁机挖人。现在Gemini在排行榜上被Claude和ChatGPT甩开，看看这个局面多尴尬。
原文
07:26
6月24日
06:52
6月23日
04:09
02:42
02:42官方账号Decoder@Matthias Bastian
Google DeepMind已将Interactions API设为Gemini模型和智能体的默认接口，取代了旧的generateContent API。新API采用简化schema和typed steps替代基于角色的结构。未来所有新的智能体功能将仅通过此API发布。
AI产品Interactions APIGeminiGoogle DeepMind
推荐理由：Google DeepMind给Gemini换了新API，以后做智能体全靠它，老接口被取代了，开发者得抓紧学。
原文
02:09
6月22日
23:59
23:59IT之家（博客/媒体）
谷歌DeepMind杰出工程师、Gemini预训练负责人弗拉基米尔·费恩伯格在博客中表示，想进入OpenAI、Anthropic、DeepMind等前沿实验室，需要像狗一样拼命干。他认为顶尖大学中最优秀的本科生和博士生已在顶级会议发表机器学习研究、参加竞赛，并具备目标感、数学成熟度和毅力。他建议学生选择以数学证明为基础的困难课程，牺牲夜晚和周末，并从前沿实验室的业务边界寻找突破口，比如模型运行所需的外部环节。此外，他提醒要成为同事愿意看到你成功的人，找到能促进团队互补的项目。
技巧DeepMindGeminiOpenAI
事件专题
推荐理由：DeepMind大佬亲授求职内幕：进顶级AI实验室没有捷径，但可以从前沿实验室的周边业务切入，还有具体能力要求，很实用。
原文
20:36
20:36IT之家（博客/媒体）
谷歌云与诺基亚于6月22日宣布扩展合作，将谷歌Gemini模型整合至诺基亚网络软件套件Nokia Assurance Center。双方基于Gemini开发了六个专项AI智能体，包括路由智能体、事件分类智能体、KPI选择器智能体、异常推理智能体、动作推理智能体和仪表板智能体。这些智能体帮助电信运营商降低运营成本、快速定位网络故障，并推动网络运维向全自动化演进。官方将于6月23日至25日在哥本哈根DTW Ignite大会现场演示上述智能体。
AI产品谷歌云诺基亚Gemini
推荐理由：谷歌和诺基亚用Gemini做了六个电信运维智能体，能自动定位故障、推荐修复步骤，还支持自然语言生成仪表盘。运营商玩家可以看看怎么省钱提效。
原文
12:54