重點新聞(1106~1112)
AI Agent AI評測 Google DeepMind
AI Agent不只要會看圖,Google新Benchmark直接考專業工作實戰
Google DeepMind與Artificial Analysis聯手推出Multimodal Knowledge Agent(MKA)Benchmark基準測試,要評估AI代理能不能處理真正的「視覺型知識工作」。有別於多數偏文字問答的評測,MKA會給AI建築圖、工程圖、臨床影像等複雜檔案,再要求它整理資訊、交叉比對,最後產出報告、簡報或試算表。
MKA共設計200項任務,涵蓋商業、工程、金融、醫療、科學等10大領域共83種職業。每項任務模擬資深專業人士約需3至8小時完成的工作,評分不只看答案對不對,還會檢查最終成品,其中75%比重放在事實正確性,25%則評估視覺呈現。
為公平比較,各家模型都在相同的Agent環境、工具與操作次數限制下測試。結果顯示,不同模型完成同一類工作時,效率差異很大,平均可能需要30到130輪操作。
目前Claude Fable 5.2以57%的高難度項目加權達標率(Climb WSR)居首,Gemini 4 Carbon以54%排名第二。不過Google特別強調,Gemini 4 Carbon完成任務的平均成本約只有第一名的六分之一,也就是說,多模態Agent接下來競爭的不只是「做不做得到」,也開始比誰能用更低成本把工作做完。(詳全文)
中研院 多模態AI 視覺理解
從看圖到看懂世界,中研院用Taiwan GBA、G-YOLO補上AI理解力
中研院資訊科學研究所所長廖弘源11月11日,分享中研院多模態AI研究成果。他指出,大型視覺語言模型(VLM)雖已能根據影像生成文字描述,但對於更細緻、更接近真實世界需求的判斷,例如該人物正在做什麼、是否發生危險、環境中物件之間有什麼關係,仍需要更深入的視覺理解能力。
他也直言:「我們不希望臺灣永遠只買別人的大型模型。」他希望臺灣能掌握自己的模型模組,才能依照不同場景組合應用。
因此,中研院近年投入發展能與大型語言模型搭配的視覺理解能力,包括行為分析、物件理解以及邊緣端AI運算能力。團隊研發了Taiwan GBA和G-YOLO兩大技術,前者瞄準行為分析,透過通用動作空間(UAS)和Video Swin Transformer分析影片中的動態特徵,可辨識跌倒、打架、揮舞刀子等12種行為,鎖定居家照護、公共安全和校園安全等應用。
另一項G-YOLO則延伸YOLO物件偵測架構,模型不只能辨識畫面中的人、車和建築物,還進一步理解整體場景、物件位置與彼此互動。廖弘源舉例,傳統YOLO看到街景,可能只能描述「有一群人」;加入G-YOLO後,模型可進一步生成更完整的場景描述,例如畫面中約有15人在過馬路,旁邊有商店、建築物與道路設施。中研院目前也持續加入深度估計與多視角理解能力,要AI從單純「看見物件」,進一步走向理解真實世界。(詳全文)
主權AI TAIWAN AI RAP 國網中心
國網中心擴充TAIWAN AI RAP,從模型微調一路支援到Agent開發
國研院國網中心主任張朝亮近日分享臺灣主權AI布局,指出大型模型能力越來越強,但背後也需要更多算力、資料與模型訓練能力支撐。國網中心因此持續擴充國家級AI算力,並加強TAIWAN AI RAP平臺功能,希望降低企業、新創與學研單位開發AI應用的門檻。
TAIWAN AI RAP自2025年3月底試營運以來,使用者數量在過去一年接近倍增。今年平臺也進一步加入更多模型微調(Fine-tuning)能力,讓使用者可帶入自己的資料,調整模型以符合特定產業或應用需求。
下一步,國網中心還要強化Agent開發與POC驗證環境,讓團隊能先在平臺上測試AI應用,再推進實際場域。服務介接也會朝API化發展,方便開發者串接國網中心或其他臺灣商業服務。
算力方面,國網中心除了既有AI運算平臺,也將加入AMD架構,未來還規畫導入Vera Rubin等新一代AI平臺。張朝亮表示,臺灣的主權AI不會只做大型語言模型,而會結合國網中心算力、中研院模型研發,以及臺灣自己的資料與語料,進一步發展多模態AI與在地模型能力。(詳全文)
AWS AI Coding AWS Emulator
AWS用數千個AI代理開發雲端模擬器AWS Emulator
AWS推出一款本機雲端模擬器AWS Emulator,這套工具幾乎由AI代理自行完成。AWS表示,整個產品由數千個自主AI代理開發,工程團隊沒有撰寫或逐行審查產品程式碼。
AWS Emulator可以模擬AWS API,開發者不必連上真正的AWS服務,就能在個人電腦、開發伺服器或CI環境測試應用程式。這項實驗是受Anthropic啟發,他們用16支Claude代理在兩週內寫出C語言編譯器,因此AWS也想看看,AI代理能不能將大型軟體一路開發到正式可用。
實際開發時,AWS把代理分成3組:第一組依AWS API規格產生測試,第二組拿模擬器和真正AWS服務比對差異,第三組再負責找原因、改程式和修Bug。所有修改還得通過編譯、程式碼品質、安全性與功能一致性等自動化檢查,沒過就退回重做。
AWS表示,數百支AI代理可同時工作,每天能修復數千項問題。這個專案的成功,意味著AI代理接手大型軟體開發,不只要會寫程式,更需要明確規格、可靠測試和嚴格的自動化把關機制。但他們也點出,要將實驗成果轉化為可靠產品,仍須仰賴嚴謹的工程設計、自動化測試及安全防護機制。(詳全文)
AlphaGenome 2 基因體AI Google DeepMind
AlphaGenome 2預測能力深入細胞層次,追查哪些DNA變異真正影響疾病
DeepMind日前揭露新一代基因序列預測模型AlphaGenome 2,要把DNA變異分析從組織層級進一步拉到不同細胞類型與狀態。研究人員可以把DNA序列連同指定的細胞條件一起輸入模型,預測某個變異會不會影響基因表現,以及影響發生在哪一類細胞。
這項能力很重要,因為人體細胞雖然共享相同DNA,不同細胞實際啟動的基因並不一樣。前代AlphaGenome較難分辨相近細胞類型的差異,新版則利用超過1.07億筆單細胞資料訓練,提升細胞層級的判斷力。
更特別的是,AlphaGenome 2遇到訓練時沒看過的細胞狀態,也不一定要重新訓練。研究員只需提供數十個細胞的基因表現資料,就能建立新的預測條件。DeepMind以COVID-19 mRNA疫苗資料測試時,模型就能區分活化與未活化T細胞,並預測與重症相關的DNA變異在哪種細胞狀態下影響更大。
DeepMind也用發炎性腸道疾病案例驗證模型,找出特定DNA變異主要影響腸道巨噬細胞中的ETS2基因。AlphaGenome 2目前已透過API開放非商業研究使用,商業研究目前僅提供私人預覽。(詳全文)
Tether 小型語言模型 AI Agent
8億參數小模型也能當AI Agent,Tether讓BotPsy在手機上學會自己辦事
穩定幣USDT發行商Tether旗下AI研發團隊近日推出開放權重模型QVAC BotPsy-0.8B,主打AI代理直接在手機等個人裝置上執行任務。這個模型只有8億參數,但在6項工具使用與Agent評測中,表現優於多款更大的模型,甚至超過參數量是它2.5倍的Qwen3.5-2B-Think。
BotPsy的重點不是聊天,而是把使用者要求轉成實際操作。例如使用者要求改會議時間、建立提醒,模型需要自己判斷該呼叫哪些工具,並分成多個步驟完成。Tether舉例,在一項測試中,BotPsy發現訊息傳送失敗,是因為Wi-Fi關閉、收件匣又滿了,因此先開啟Wi-Fi、清出空間,再重新送出訊息;原本的基礎模型則只是不斷重試。
BotPsy是以Qwen3.5-0.8B-Think為基礎強化而來。在BFCL v4、ACEBench、τ-bench與ToolSandbox等評測中,分數大致提升到原本的兩倍;其中在BFCL多輪工具呼叫測試拿到46.1分,高於Qwen3.5-2B-Think的23.8分。
Tether希望用這類小型、專用模型把AI助理留在個人裝置上運作,減少把行事曆、訊息與文件等個資送往雲端。長期構想則是由手機負責日常操作,更複雜的工作再交給家中電腦或可信任的P2P節點處理。(詳全文)
Nvidia 機器人AI Isaac Lab 3.0
機器人不只會走路,Nvidia用模擬訓練插網路線、抓草莓等精細操作
Nvidia最近在機器人學習研討會(CoRL)發表新一波機器人技術,包括GR00T 2世界行動模型、Isaac Lab 3.0模擬訓練平臺,以及DexBench、VABAR等新評測,希望讓機器人從學習走路、移動,進步到練習接線、組裝零件和操作柔軟物體等更精細的工作。
其中,GR00T 2使用機器人與人類操作資料訓練,包括10萬小時第一人稱人類影像。即使沒有針對特定任務示範,50項測試中也有40項至少成功完成一次;若每項任務只提供一次示範,平均成功率可達71%,增加到5次示範後則提高至95%。目前已有企業使用這些技術,比如Foxconn開始把GR00T 2用在伺服器製造自動化,MicroAGI則用它訓練機械手臂更換乙太網路線。
Nvidia也更新Isaac Lab 3.0,讓研究人員能在模擬環境裡大量訓練機器人。新版整合Newton物理引擎,可模擬電纜、布料等可變形物體,甚至模擬草莓被機器手夾住時如何變形;在一項視覺靈巧操作測試中,訓練吞吐量最高可達前一版的2.5倍。
另一個方向是Agentic Robotics,也就是讓AI代理把多個機器人技能串成完整工作流程,並先在模擬環境裡反覆測試、從失敗中修改,再交給實體機器人執行。Nvidia認為,這類模擬、世界模型與Agent技術結合,將是機器人從實驗室走向工廠與真實工作場域的重要一步。(詳全文)
AI網攻 個資外洩 資安署
AI Agent讓網攻加速,資安署:臺灣逾百萬份個資受影響
AI Agent雖能自動化工作,也開始被駭客拿來自動化攻擊。數發部資安署11月11日指出,境外駭客自今年7月起利用AI代理工具發動網攻,近期攻擊目標已從政府機關擴大到企業與網路平臺。臺灣已有十多家企業與網路平臺受害,累計超過百萬份個資受到影響,初步調查顯示,近半數事件與AI攻擊有關。
這類攻擊常搭配自動化滲透工具,利用PHP、Node.js、GitLab等軟體或平臺的已知高風險漏洞,再透過高權限API大量存取資料。資安署認為,AI讓攻擊速度更快、成本更低,也更容易同時擴大攻擊規模。
為此,資安署要求企業把「補漏洞、快通知、個資最小化」列為三大防線。數發部也提出更明確的72小時應變原則,包括重大漏洞應在72小時內完成修補或採取防護措施;企業若發現個資外洩,也應在72小時內通報主管機關、通知受影響民眾,並完成原因確認或初步止血。事件發生後一個月內,還應提出改善計畫。
資安署同時提醒,AI網攻帶來的風險不只在系統被入侵,還包括個資外洩後衍生的精準詐騙。企業因此不只要修漏洞,也得重新檢視自己究竟收了多少不必要的個資,從源頭縮小攻擊面。(詳全文)
圖片來源/Google DeepMind、AWS、Tether、Nvidia
攝影 / 蘇文彬
AI近期新聞
1. DeepMind以AI代理驗證Signal加密實作安全性,數學證明擴及機器碼層級
2. Cloudflare研究新一代身分驗證技術,兼顧後量子安全與AI代理流量管理
3. Google Gemini 4 Carbon全面上線,以較低價對打Anthropic Fable/Mythos 5.2
資料來源:iThome整理,2026年11月
Read the full article on www.ithome.com.tw
Comments (0)
Sign in to comment