Google 周四宣布推出新一代基于 AI 的防御手段,以帮助打击 Chrome 上的诈骗行为。这家科技巨头将开始在桌面端使用 Gemini Nano,其设备端大语言模型,为用户抵御网络诈骗。同时,Google 也将在 Android 版 Chrome 上推出全新基于 AI 的警告机制,帮助用户识别垃圾通知,从而提高用户警觉性。
根据 Google 的介绍,Chrome 中的安全浏览增强保护模式提供了最高级别的防护,其防钓鱼和其他网络威胁的能力是标准保护模式的两倍。如今,Google 将利用 Gemini Nano 为启用增强保护模式的用户增加额外的一层防护,以抵挡线上诈骗的侵害。
Google 表示,这种设备端方法可实时洞察风险网站,从而保护用户免受诈骗,这其中也包括那些此前未曾遇到的新型骗局。
Google 在博客中指出:“Gemini Nano 的大语言模型非常适合这一用途,因为它能够提炼出网站多样且复杂的特性,帮助我们更迅速地应对新型诈骗策略。”
目前,该公司已利用这一基于 AI 的防御机制保护用户免受远程技术支持骗局的困扰。Google 计划未来将这一防护拓展到 Android 设备以及更多种类的诈骗行为中。
关于新增的基于 AI 的警告机制,Google 指出,诈骗网站带来的风险不仅限于网站本身,如果你启用了通知功能,其风险还可能通过通知扩散。恶意网站可能利用通知来实施诈骗,这也是 Chrome 现在将帮助你识别 Android 设备上那些恶意、垃圾或带有误导性的通知的原因。
当 Chrome 的设备端机器学习模型将某个通知标记为可能涉及诈骗时,你会收到警告。你可以选择取消订阅该通知,或查看被屏蔽的内容。如果你认为警告提示有误,还可以选择允许该网站未来发送所有通知。
在今天的公告中,Google 还透露,其已在搜索中利用 AI 检测并屏蔽了数以亿计的诈骗性结果,每天阻止诈骗行为。Google 表示,其基于 AI 的诈骗检测系统已帮助拦截的诈骗页面数量比以往多出 20 倍。
例如,Google 注意到不法分子伪装成航空公司客服,欺骗寻求帮助的用户。公司称,这类诈骗已减少超过 80%,从而降低了用户在搜索中遇到诈骗电话号码的风险。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。