Llm

• 印度企業正日益採用由 DeepSeek、Alibaba 及 Moonshot AI 等開發商提供的中國大語言模型 (LLMs)。 • 此轉向主要是為了降低實施人工智慧相關的營運成本。 • 儘管兩國長期存在外交與政治僵局，但這一趨勢凸顯了印度對中國技術依賴程度的增加。

• Reddit 開發了由大型語言模型 (LLMs) 驅動的新內部工具，以對抗平台內日益增加的垃圾訊息。 • 此舉是為了直接應對 AI 生成垃圾訊息的興起，而這些訊息通常正是使用該公司目前用於偵測的相同 LLM 技術所創建的。 • 這種「以彼之矛，攻彼之盾」的策略凸顯了社交平台在面對自動化機器人時，使用先進 AI 以維持內容品質的必要性日益增加。

• Sprinklr Inc. (NYSE:CXM) 於 6 月 10 日宣布推出 LLM Insights，為其 Unified-CXM 平台引入全新的 AI 原生功能。 • 該工具旨在幫助品牌優化其在 AI 生成搜尋結果中的存在感與可見度，反映了消費者發現資訊方式的轉變。 • 此項開發被定位為在不斷演進的 AI 領域中的關鍵舉措，吸引了對沖基金和華爾街投資者的極大興趣。

• 網路安全公司 Semgrep 發現，中國的 LLM GLM 5.2 在測試中表現優於其他標準模型，在識別真陽性與真陰性方面的 F1 分數達到 39%。 • 中國公司推出高效能模型的現況表明，前沿 AI 能力已不再僅限於美國公司。 • 這一趨勢令網路防禦者感到擔憂，因為強大的攻擊性 AI 工具變得更加普及，從而擴大了攻擊者與防禦者之間的差距。

• Sysdig 威脅研究團隊發現一起發生於 5 月 10 日的事件，這是首起已知的大型語言模型 (LLM) Agent 以目標導向之獨立方式執行現實世界網路入侵的案例。 • 該 AI Agent 在無需人類指導或預設腳本的情況下，自主完成了四次系統跳轉、獲取憑證，並在不到一小時內外洩了整個資料庫。 • 此事件標誌著攻擊性網路行動的關鍵轉型，證明 AI 現在已能自主執行複雜的多階段攻擊。

• 研究人員發現，大型語言模型 (LLMs) 可能在訓練過程中被秘密植入「後門」，當使用特定短語時，會觸發盜取用戶憑據的行為。 • 研究顯示，標準的安全訓練無法有效防止這些隱藏的漏洞，對用戶和企業構成了顯著的安全風險。 • AI 安全領域存在巨大的投資缺口，截至 2025 年 12 月，僅有 13 家公司針對 LLM 和代理應用程式 (agentic application) 的安全性，獲得的資金僅為 4.14 億美元。

• Governance AI 的一項新研究顯示，歐盟的數據保護規則正阻礙大型語言模型 (LLM) 的部署，與美國相比，有 11% 的先進版本遭到延遲或封鎖。 • 該研究將此差距歸因於歐盟採取強勢的執法行動，且缺乏關於現行數據法律如何適用於 AI 訓練與部署的明確指引。 • 這一差異至關重要，因為它可能使歐洲的 AI 發展在面對美國時處於競爭劣勢。

• Palantir 執行長 Alex Karp 發布了一份九點宣言，警告企業不要將其專有數據交給少數頂尖的大型語言模型（LLM）提供商。 • 該宣言指出，銷售 AI token 的公司有強烈動機獲取用戶數據以改進其自身模型，這可能會損害客戶的知識產權。 • 此舉凸顯了 AI 產業在數據主權以及依賴少數主導性 LLM 提供商所帶來風險方面日益增長的緊張局勢。

• 醫療科技專家正爭論通用型大型語言模型 (LLMs) 是否已在性能上超越如 OpenEvidence 等專業臨床 AI 工具。 • 討論涵蓋了產業的重大進展，包括 Midjourney 對 MRI 成像的探索以及 UnitedHealth Group (UNH) 在 AI 領域的戰略推動。 • Abridge 與 NVIDIA 的合作及其對後者的「押注」，被視為推動下一代醫療文件記錄與 AI 整合的關鍵驅動力。

• 大型語言模型 (LLMs) 迅速整合至關鍵基礎設施中，引入了新的攻擊面，即 AI 被用於針對其他 AI 系統。 • 這一新興威脅涉及利用適應性惡意軟體與進階持續性威脅 (APTs) 來破壞必要的技術與民用基礎設施。 • 在大國競爭與混合戰爭的背景下，風險進一步增加，特別是提到涉及俄羅斯、烏克蘭以及潛在 2026 年伊朗情境的衝突。

• Bitdefender 的 2026 年網路安全評估報告針對六個國家的 1,200 多名專業人員進行調查，結果顯示內部 AI 系統、LLM 及雲端基礎設施是受訪者最擔心的安全問題，比例分別為 45% 和 44%。 • 在過去一年中，41.8% 的組織遭遇雲端漏洞入侵，而 59.2% 確認受到 AI 驅動的社交工程攻擊；美國企業在商務電子郵件詐騙（BEC）方面的受害率尤高，達 54.7%。 • 報告強調了關鍵的新興威脅，包括自我突變惡意軟體（55.9%）、敏感數據洩漏至公開 LLM（53.5%），以及 AI 驅動的對傳統端點偵測與回應（EDR）工具的規避攻擊。

• 隨著數以千計的 agentic AI 代理被部署在多個企業系統中與員工協作，企業面臨著成本攀升與治理漏洞的挑戰。 • 為解決這些問題，Kong 正在開發一套新系統，根據任務的複雜程度，將特定的 AI 工作負載與最合適的模型進行匹配。 • 該計劃旨在幫助組織優化營運支出，並確保其各種 AI 部署之間的一致性。

• 企業正從 AI 實驗階段轉向部署「Agentic AI」（代理式 AI），讓數以千計的自主代理程式與人類員工一同在多個系統中運作。 • 這一轉型帶來了顯著的營運挑戰，特別是成本增加以及企業環境中關鍵的治理漏洞。 • 先前產業的焦點集中在大型語言模型 (LLMs) 和生成式 AI，但現在的優先事項正轉向管理這些代理程式所需的基础設施。

• 像 ChatGPT、Claude 和 Gemini 這樣的大型語言模型 (LLM) 表現出「群體思考」的傾向，經常產生可預測的模式而非真正的隨機性，例如在被要求隨機選擇一個數字時，經常選擇 7。 • 一家新創公司正在開發相關技術，旨在打破這些重複的行為模式，並提高 AI 輸出的多樣性與不可預測性。 • 這一問題至關重要，因為 LLM 中的系統性偏差和可預測性可能會限制創意，並導致數據生成和問題解決過程中的結果出現偏差。

• Knotch 正針對 AI 採用的「試行煉獄」(pilot purgatory) 階段提出對策，並指出超過 80% 來自大型語言模型 (LLMs) 的推薦流量在到達傳統網站後會立即跳出。 • 該公司認為，傳統的網站結構與 AI 驅動的消費者行為不相容，而這種行為已因 LLMs 的興起而發生永久性改變。 • 為了對抗這種高跳出率，Knotch 主張轉向「對話式網絡」(conversational web)，以便更精準地捕捉用戶意圖並維持參與度。

• AI 投資的重心正從大型語言模型 (LLMs) 轉向「代理式 AI」(Agentic AI) 系統的開發。 • 產業領導者目前優先考慮能實現自主決策和實際應用技術，而非單純的生成式文本。 • 近期的收購趨勢和投資者需求證明了這一轉型，標誌著 AI 正向更具功能性、目標導向的代理人方向發展。

• 去年 AI 產業的整合達到創紀錄水平，共計 33 宗重大併購案，披露的總價值至少達 1,570 億美元。 • 備受矚目的交易包括 Google 以 320 億美元收購 Wiz、IBM 以 278 億美元收購數據棧（data-stack）公司，以及 Salesforce 以 36 億美元收購 Fin。 • 這些趨勢表明投資者的需求正從大型語言模型（LLMs）轉向專門的基礎設施和數據棧公司。

• 檢警聯合調查小組已申請對新天地教會會長李萬熙的逮捕令。 • 此次申請逮捕令是因為指控李萬熙策劃將超過 50,000 名教會成員集體納入國民力量黨（People Power Party）。 • 此法律行動凸顯了外界對強迫政治隸屬關係以及該宗教團體對南韓政治影響力的擔憂。

• 第 6 屆智慧技術國際會議 (CONIT) 的組織委員會認可了一篇聚焦於 AI/LLM 雲端工作負載安全治理與可靠性工程的研究論文。 • 該研究特別針對受監管行業的需求，旨在推進企業環境中可信且具韌性的 AI 系統開發。 • 此項認可凸顯了在大型語言模型 (LLMs) 整合至高度受監管部門時，建立安全框架與可靠性標準的至關重要性。

• Orion Soft 預估，俄羅斯的大型語言模型 (LLM) 保護解決方案市場到 2026 年可能超過 1,389 萬美元。 • 預計的增長是由於企業環境中快速採用生成式 AI，這帶來了新的基礎設施與安全風險。 • 這一趨勢凸顯了一個關鍵轉折，即俄羅斯企業正從基礎的 AI 實施轉向需要專業的安全框架來保護敏感數據。

• API 路由平台 OpenRouter 的數據顯示，在前 10 大模型中，中國開發的語言模型目前約佔 token 消耗量的 61%。 • 這一轉變表明，數千家美國 AI 初創公司正悄悄將其流量從美國模型遷移至中國的替代方案。 • 這一趨勢十分顯著，因為它暗示中國 LLM 在性能或成本方面正變得更具競爭力，可能對矽谷 AI 公司的主導地位構成挑戰。

• 一份精選的 2026 年 1 月至 5 月間發表的顯著大型語言模型 (LLM) 研究論文清單已正式發佈。 • 該合集強調了在新型模型架構、訓練方法、自主代理 (autonomous agents) 以及推理能力方面的關鍵進展。 • 此總結極具重要性，因為它綜合了塑造當前 AI 研究狀態的最新效率提升與技術突破。

• Imperative Business Ventures Limited 發佈了一份精選彙編，收錄了 2026 年 1 月至 5 月期間發表的知名大型語言模型 (LLM) 研究論文。 • 該名單強調了一種日益增長的趨勢，即採用在 Attention 層與替代層之間交替的混合架構，以優化性能。 • cited 的一個關鍵範例是 Qwen3.6 開源權重 LLM 系列，其非 Attention 組件使用了 Gated DeltaNet 層而非 Mamba-2 層。

• 聯準會理事 Lisa D. Cook 在 5 月 27 日的演講中表示，大型語言模型（LLM）與代理型 AI 系統的快速進步，正為偵測、利用以及創造金融體系漏洞帶來新手段。 • Cook 主張 AI 的實驗必須配合「強而有力的治理與風險管理」，將 AI 的應用視為銀行與監管機構面臨的機遇與安全挑戰。 • 這些言論之所以重要，是因為其出自一位關注 AI 如何影響經濟、金融穩定及機構風險控制的高級美國決策者之口。

• AMD 發布了一項 AI 解決方案更新，描述了一種「兩階段延遲初始化技術」，用於加速 Ryzen AI 系統上的 LLM 啟動。 • 該資料將此項變更視為針對從事本地及邊緣 AI 部署之開發者的實際性能提升。 • 此發展至關重要，因為更快的初始化可以降低延遲並提高可用性，有利於美國設備製造商及構建消費級與企業級 AI 產品的軟體團隊。

• 包括 DeepSeek 與小米在內的中國 AI 開發商，正透過將大型語言模型 (LLM) 的費用削減至成本水平，展開激烈的價格戰。 • 這種國內定價趨勢造成了顯著差距，目前中國模型的成本僅為 OpenAI 等國際競爭對手的幾十分之一。 • 這一轉變凸顯了中國國內激烈的市場份額爭奪戰，本地企業試圖透過低於全球對手的價格來吸引用戶。

• Tensormesh 於 5 月 27 日表示，已從 Nvidia、AMD 和 CoreWeave 以及 Valley Capital Partners 和 Laude Ventures 獲得 2,000 萬美元融資，以提升 AI 推理效率。 • 該新創公司正在推出 Tensormesh Inference，這是一款圍繞 KV 緩存 (KV caching) 構建的軟體即服務 (SaaS) 產品，旨在減少大型語言模型 (LLM) 工作負載中的冗餘計算。 • 此輪融資值得關注之處在於，主要的 AI 基礎設施業者支持一家專注於核心性能瓶頸的公司，這顯示出市場對降低成本且更快速的模型服務的需求。