
北京时间3月25日消息,苹果并不是唯一一家与美国政府的间谍攻击做斗争的科技公司。正当苹果与FBI的官司广受瞩目时,谷歌也在以自己的方式加强自身服务的安全性——他们会直接把情况告知用户。
该公司将通过警告的方式加强Gmail的安全性,希望以此帮助用户在收发电子邮件时更好地采取自我保护措施。
其中一项变化是扩大“安全浏览”通知的范围,这项功能可以在用户从电子邮件中打开可疑链接时发出提醒。当用户点击某个可以链接后,系统便会在该链接真正打开前发出提醒信息,要求用户最终确认是否打开该链接。
在此之前,这种链接只会出现在用户尚未点击链接前。倘若用户没有看到链接,便不会再次发出警告。谷歌希望通过这种额外的警告帮助用户避开恶意网站。
除此之外,谷歌还将继续与政府支持的攻击行为展开斗争。当系统发现有政府支持的黑客正在监控用户时,便会展示一条全屏警告信息。谷歌曾经在官方博客中表示,只有不到0.1%的Gmail用户会收到这种警告,但由于看到这一警告信息的往往是记者、政策制定者和激进人士,使得这种警告变得尤为重要。
这种新的警告方式有可能与现有的警告共存,也有可能取代现有的模式。
谷歌最近一直在加强Gmail的安全性,该公司上月还宣布将向没有使用TLS加密技术的用户发送邮件。谷歌表示,自从发出这封邮件以来,使用加密连接发送的电子邮件数量增加了25%。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。