8 月 28 日 · AI 日報

Anthropic 推出模型硬體標準（MHS），一套標準化驅動介面，旨在讓AIAI 代理輕鬆連線並控制任意裝置，可將實驗設定時間從數週或數月縮短至數小時或數分鐘。該標準目前處於研究預覽階段，正與AWS、Hugging Face、Raspberry Pi等合作，計劃最終開源。

Claude Code v2.1.248版本發布，新增--restricted受限模式，該模式下移除執行命令/程式碼及WebFetch等內建工具，並忽略使用者、專案及本地設定檔案，用於提升在敏感環境下執行時的安全邊界。

ChatGPT Work現可在網頁和移動端通過計算機與瀏覽器代為登入網站執行任務，全程不接觸使用者使用者名稱或密碼，可代訂Uber、預約理髮、辦理水電煤、預約DMV或護照、提交保險報銷等生活與工作事務。

Google推出跨部門計劃Expert Intelligence，使用者可在Gemini Notebook中匯入已購的Google Play電子書，將作者觀點與其他來源結合進行提問、生成計劃、資訊圖和AI播客等，第三方訂閱與教科書等更廣泛平台支援即將推出。

MIT教學、學習與研究培訓AI應用特別委員會經五個月調研發布報告，指出生成式AI已全面滲透校園，既帶來教學創新也衝擊p-set、開卷考試、UROP等本科教育根基，加劇學生孤立並削弱掌握度，提出八項指導原則及短期長期行動建議。

安全研究員Johann Rehberger披露一種針對Claude Code自動模式的攻擊手法，通過誘騙其下載並解壓zip壓縮檔進而執行本地惡意程式碼，據稱成功率高達80%，凸顯 AI 代理自動執行模式在面對惡意檔案時的安全風險。

輝達CFO Colette Kress於8月26日預測2028財年營收增長70%，年銷售額約達6730億美元，將超過蘋果和Alphabet，僅次於亞馬遜，遠高於分析師平均預期的44%。黃仁勳稱記憶體等部件短缺是近期供應上限，客戶群正從超大規模廠商擴充套件至更廣泛的AI公司。

據知情人士及華爾街日報報導，輝達已暫停一項新融資計劃中的部分交易，該計劃原定向AI雲服務商提供信用支援以換取營收分成，因擔憂引發反壟斷審查，該專案上週叫停，距宣佈不足兩個月，公司仍可能調整或併入其他業務。

OpenAI、Anthropic、微軟、Alphabet、亞馬遜等116家企業和機構簽署聯名信，呼籲企業與政策制定者將網路安全置於首要位置，敦促政府推行"可信訪問計劃"讓合規企業提前接入高階模型，併為醫院、水處理廠等關鍵基礎設施提供專項資金支援。

OpenAI開始在印度向免費ChatGPT使用者和付費Go訂閱使用者展示廣告，贊助單元出現在相關答案下方。OpenAI稱廣告商無法影響回答內容，也無法訪問使用者聊天、記憶或個人詳情，但定向系統可利用當前對話及歷史記憶進行個性化投放。

宇樹科技8月27日晚宣佈每年將無償贊助部分"天才少年"，面向高中到碩士畢業前學生，方向涵蓋晶片製造、AGI、可控核聚變等前沿領域，根據申請書和過程品質給予1萬至2萬元分階段經費，特別優秀者不設限，源於創始人王興興早年獲資助經歷。

Midjourney 向所有使用者開放首個 V8.2 影像編輯模型測試，支援指令編輯、以圖生圖（最多同時引用4張參考圖）、區域性重繪與擴畫，相容個性化、moodboards 和 srefs 功能，可通過網頁端或 Discord --edit 命令使用，多參考圖能力減少多素材融合的中間步驟。

Google 推出迄今最精準的語音轉文本模型 Gemini 3.5 Transcribe，支援即時流式與預錄音頻處理，可通過 Live API 和 Interactions API 呼叫，流式詞錯誤率降至4%且延遲改善70%，讓即時語音代理和字幕應用更接近生產可用。

fal 團隊基於 MiniMax 開源的 H3 基礎模型進行後訓練，推出 H3 Max 影片模型，在整體品質、提示詞理解和美學三項評測均排名第一，生成5秒720p影片耗時不到3秒，SGLang訓練管線與Sol-Attention引擎帶來3.95倍端到端加速，發布首周價格五折。

一項新訴訟指控 xAI 使用兒童性虐待材料（CSAM）訓練 Grok 模型，這是首個此類指控。原告 Jane Doe 稱其幼年遭虐待所生成的 CSAM 影像及 AI 生成的衍生影像被用於訓練 Grok，且 Grok 預設將公開的 X 帖子和自身輸出作為訓練資料。訴訟要求 xAI 銷燬所有 Grok 生成的 CSAM 並阻止模型再生成此類內容。

Thinking Machines 與 UIUC、Bridgewater 研究人員合作，將專家判斷融入強化學習驗證獎勵（RLVR）的每個環節，訓練出首個在文本轉SQL任務上超越人類基準的模型，需要前期投入資料清洗與獎勵函式對齊，但最終在複雜任務上達到當前最優水平。

蘋果機器學習研究團隊提出一種基於評分標準（rubric）的對齊方法，用於開放域問答中的有據知識回答，將高品質回答的多維要求轉化為顯式評分標準以替代單一偏好訊號，從而更有效設計獎勵訊號，提升模型回答的準確性與可依據性。

研究表明 AI 代理訓練環境不必與評測集一致，在無關的模擬商業世界中訓練反而能提升目標基準表現。方法從商業描述生成4783家模擬公司，每家含獨立服務、工具和資料庫；微調後模型生成有效公司的成功率從3.3%提升至83.3%，與Claude Opus 4.8持平。

Netflix發布論文披露其推薦理由生成系統：一個AI模型撰寫"因為你看過"短句，另一個AI評委逐條打分，人類每週稽核。生產環境評委模型需經歷構建標註樣本、調優評委、門控執行、監控漂移四階段；5周測試顯示該方案讓使用者更多轉向未看過內容。