Llms

• 网络安全公司 Semgrep 发现，中国大语言模型 GLM 5.2 在测试中的表现优于其他标准模型，在识别真正阳性和真正阴性方面的 F1 分数达到了 39%。 • 中国公司推出高性能模型表明，前沿 AI 能力不再是美国企业的专属。 • 这一趋势令网络防御者感到担忧，因为它通过让强大的攻击性 AI 工具变得更加普及，从而扩大了攻击者与防御者之间的差距。

• 医疗科技专家正在探讨通用大语言模型 (LLMs) 是否在性能上已经超越了像 OpenEvidence 这样的专业临床 AI 工具。 • 此次讨论涵盖了行业重大进展，包括 Midjourney 对 MRI 成像的探索以及 UnitedHealth Group (UNH) 在 AI 领域的战略推进。 • Abridge 与 NVIDIA 的合作伙伴关系及其对此的“押注”，被视为推动下一代医疗文档记录和 AI 集成的关键驱动力。

• 大语言模型 (LLMs) 快速集成到关键基础设施中，引入了新的攻击面，即利用 AI 来攻击其他 AI 系统。 • 这一新兴威胁涉及使用自适应恶意软件和高级持续性威胁 (APTs) 来破坏关键技术和民用基础设施。 • 在大国竞争和混合战争的背景下，这一风险进一步增加，特别提到了涉及俄罗斯、乌克兰的冲突以及 2026 年伊朗的潜在情景。

• Bitdefender 的 2026 年网络安全评估报告对六个国家的 1,200 多名专业人士进行了调查，结果显示，内部 AI 系统、LLM 和云基础设施分别是 45% 和 44% 的受访者最担心的安全问题。 • 在过去一年中，41.8% 的组织遭遇了云端漏洞，59.2% 确认遭受了 AI 驱动的社会工程学攻击；美国企业的商业电子邮件妥协（BEC）受影响率尤为严重，达到了 54.7%。 • 报告强调了关键的新兴威胁，包括自变异恶意软件 (55.9%)、敏感数据泄露至公共 LLM (53.5%)，以及 AI 驱动的逃避传统端点检测与响应 (EDR) 工具的行为。

• 像ChatGPT、Claude和Gemini等大语言模型（LLMs）表现出一种“群体思维”倾向，经常产生可预测的模式而非真正的随机性，例如在被要求随机选择一个数字时经常选择 7。 • 一家新初创公司正在开发一项技术，旨在打破这些重复的行为模式，并提高AI输出的多样性和不可预测性。 • 这一问题至关重要，因为LLM中的系统性偏差和可预测性可能会限制创造力，并导致数据生成和问题解决中出现偏差的结果。

• AI 投资的焦点正在从大语言模型 (LLMs) 转向 “Agentic AI”（智能体 AI）系统的开发。 • 行业领导者目前优先考虑能够实现自主决策和现实世界应用的技术，而非简单的生成式文本。 • 最近的收购趋势和投资者需求证明了这一转型，标志着 AI 正在向更具功能性、目标导向的智能体演进。

• 去年 AI 行业的整合达到了创纪录的水平，共发生了 33 起重大收购，披露的交易总额至少达 1570 亿美元。 • 高关注度的交易包括 Google 以 320 亿美元收购 Wiz，IBM 以 278 亿美元收购数据栈公司，以及 Salesforce 以 36 亿美元收购 Fin。 • 这些趋势表明，投资者的需求正从大语言模型 (LLMs) 转向专业的基础设施和数据栈公司。