Google 刚刚宣布升级 Chrome 增强保护功能。在桌面版中,浏览器现采用 Gemini Nano 来保护用户免受远程技术支持诈骗的侵害。根据 Google 的说法,这个运行在设备上的大语言模型使 Chrome 能够防范该公司此前未遇到的新型诈骗行为。
“ Gemini Nano 非常适用于这一用途,因为它能够提炼出网站多样且复杂的特性,帮助我们更快地适应新的诈骗策略,”Google 表示,并补充说希望不久后将这一功能推广到 Android 设备上。该公司还计划在未来利用同样的 AI 方法应对更多种类的诈骗。
与此同时,Android 用户将能期待更强的保护措施,以防利用 Chrome 通知作为攻击向量的诈骗。Google 再次借助机器学习技术实现这一防护功能。Google 解释道:“当 Chrome 的设备端机器学习模型标记出一个通知时,你将收到一个警告,并可以选择取消订阅或查看被屏蔽的内容;如果你认为该警告显示有误,你可选择允许该网站以后发送通知。”
打击诈骗一直是 Google 去年的主要重点。例如,今年五月,该公司预览了一种在电话通话中实时提供诈骗警报的系统。最近,Google 又为 Messages 推出了一系列安全功能。得益于这些努力,Google 表示已阻止数亿条与诈骗相关的结果传达到用户设备上。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。