Llms

• 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。

• 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。

• 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。

• 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。