强化学习即服务被20美元攻破：Bait用奖励探针让有害训练学不进去
智能体强化学习即服务把数据采样和奖励打分交给用户，一个有害奖励函数就能以低至20美元的成本抹掉模型的安全对齐。Bait在回滚阶段把专门训练的Bait模型生成的显式有害回答混入策略模型的回答组，用两类回答平均奖励之差（奖励散度）的符号判断奖励函数是否有害，检测为有害时翻转该组奖励符号施加惩罚。在自建测试台上，Bait把三种有害指令数据集上的平均有害分数从20.4降到6.8，平均智能体准确率从93.1升到96.0。
Adobe与谷歌把编辑入口搬进Gmail和搜索：Acrobat与创意工具将直接出现在日常应用里
Adobe与谷歌宣布扩大合作，把Adobe的创意与生产力工具直接嵌入谷歌日常产品，同时把谷歌的前沿AI模型引入Adobe应用。具体安排包括：Google Drive与Gmail将出现通往Adobe Acrobat的直达入口，Gemini与Gemini Enterprise扩展Acrobat等连接器，Adobe创意工具进入谷歌搜索的AI Mode。企业侧可在Gemini Enterprise中使用Adobe的CX Enterprise Coworker智能体，Adobe与Google DeepMind还将探索面向Photoshop的图像模型编辑能力。
谷歌第八代TPU一年内扩到四款：8i Max 主攻百万级上下文，8tx 做机密推理
谷歌在第八代 TPU 中新增 TPU 8i Max 与 TPU 8tx 两套系统，前者面向超长上下文与单机架最高算力密度，后者面向安全与机密推理，这是谷歌首次在一年内推出四款 TPU 系统。此前同代已有面向大规模训练的 8t 和面向实时推理的 8i，谷歌称二者相较上一代分别带来最高 2.7 倍的训练性能和 80% 的推理性价比提升。新系统沿用模块化定制芯片加开放软件栈的思路，围绕芯片重组计算、网络与存储，以数月而非数年的节奏交付专用超级计算机。
谷歌一月内连发两代前沿模型：Gemini 4 Argon 全球上线，Carbon 先交美国政府测试
谷歌在十月把前沿推理模型 Gemini 4 Argon 推向全球开发者、企业和消费者，两周后又宣布面向长周期工程与网络安全防御的 Gemini 4 Carbon。Argon 在早期安全测试后接入 Google AI Studio、Gemini API、Google Cloud、搜索与 Gemini 应用，并另设机器人版本；Carbon 则先进入预发布测试，交由美国政府和 Fairwind 计划的受信网络防御方试用，在扩大开发者与企业发布前继续打磨安全护栏。
机器人有了云端大脑：Gemini Robotics ER 2 公开预览，关键帧定位准确率 91.3%
Google DeepMind 的机器人高层推理模型 Gemini Robotics ER 2 进入 Gemini 平台的公开预览，企业可把视觉-语言-动作模型、导航接口等底层控制声明为工具，由模型编排多步任务。该模型在连续视频上判断任务进度并定位关键事件帧，官方给出的关键帧定位准确率为 91.3%，平均绝对帧距 0.96 秒。它面向从固定机械臂到人形机器人的多种形态，并可在 Google Cloud 上完成仿真、评估与部署。
大模型写Lean证明，353个Erdős开放问题自主解出9个，单题数百美元
AlphaProof Nexus把大模型生成与Lean编译器逐步校验接成智能体循环，在353个开放Erdős问题上自主解出9个，其中两题已悬置56年，单题推理成本约数百美元。
已读完全部报道