谷歌近日更新了 Google One 存储空间使用政策，将安卓设备设置备份纳入 15GB 免费存储限制。这一变化正逐步推送，用户无需过度紧张，但需要了解如何管理备份以避免空间不足。 ## 政策变更详情 过去，安卓设备的部分备份数据（如应用设置、Wi-Fi 密码等）不计入谷歌账户的免费存储配额。但根据最新政策，这些备份现在将占用用户的 15GB 免费空间。谷歌表示，此举是为了统一存储策略，并让用户更清晰地了解空间使用情况。 ## 如何检查与管理备份 用户可以通过以下步骤检查备份设置： 1. 打开安卓设备的“设置”应用。 2. 进入“Google” > “备份”。 3. 查看“备份详情”中各项数据的大小。 如果空间紧张，可以考虑： - **关闭自动备份**：在备份页面关闭“备份到 Google 云端硬盘”开关。 - **删除旧备份**：进入 Google 云端硬盘应用，点击“备份”标签页，选择不再需要的备份进行删除。 - **升级存储方案**：Google One 提供 100GB（月费 $1.99）等付费方案。 ## 行业背景与建议 此次调整反映了云存储服务商在免费与付费之间的平衡策略。随着用户数据量增长，免费配额日益珍贵。对于普通用户，建议定期清理不必要备份；对于重度用户，可考虑付费方案或使用本地备份。目前该政策正在分阶段推出，尚未覆盖所有用户，但建议提前做好准备。
AT&T Business 在美国推出全新的 **Unlimited Your Way for Business** 无线套餐系列，旨在满足多设备办公的企业需求。其中旗舰级 **Business Unlimited Ultimate 3.0** 计划提供“无限”热点数据，但存在速度或用量限制。每条手机线的月费在 **75 至 110 美元** 之间，具体取决于企业开通的线路数量（最多 50 条），且每条线还附带平板和可穿戴设备的服务。 该套餐的定位非常明确：面向需要同时管理手机、平板、热点等多台设备的员工。相比个人套餐，企业版在批量折扣和设备管理上更具优势。AT&T 此举意在争夺中小企业市场，尤其那些依赖移动办公、对数据流量有较高需求的行业，如销售、物流、现场服务等。 **定价与结构** - 基础价格：每条线 75 美元（需 50 条线），最高 110 美元（单条线）。 - 包含服务：每条线可免费添加一台平板和一台可穿戴设备。 - 热点数据：标称“无限”，但实际可能受降速或容量限制约束。 **行业背景** 随着 5G 网络普及和混合办公常态化，企业对移动数据的需求持续攀升。传统套餐的有限热点数据往往成为瓶颈。AT&T 的“无限”热点策略直接回应了这一痛点，但用户需注意细则中的公平使用政策。 **竞争格局** Verizon 和 T-Mobile 也有类似的企业无限套餐，但 AT&T 此次通过捆绑平板和穿戴设备服务，试图提升整体性价比。对于拥有大量移动设备的企业来说，这或能简化账单管理并降低成本。 **小结** AT&T 的新企业套餐在定价和功能上颇具吸引力，尤其适合设备密集型的团队。但企业在选择时仍需仔细评估热点数据的具体限制条款，以及与其他运营商的覆盖和服务差异。
智能眼镜市场迎来一位新玩家，但这次它选择了“不看你，只听你”。初创公司 **Halliday** 近日发布了其新一代智能眼镜 **G2**，最大的特点就是：**没有摄像头**。这款眼镜专为职场场景设计，可以聆听会议、接听电话，并通过 AI 将会议内容自动生成摘要，与市面上那些“永远在听”的可穿戴设备颇为相似。 ## 产品核心：专为会议而生 Halliday G2 的定位非常明确——**一款专业的职场工具**。它看起来就像一副普通的眼镜，旨在融入专业环境。用户可以通过 AI 语音指令唤醒麦克风，用于会议记录或通话，而在非使用状态下，麦克风会关闭，以保护隐私。 价格方面，G2 售价 **599 美元**，首批发货预计在 **2026 年 9 月**。AI 服务提供订阅制，价格从每月 **10 美元到 99 美元** 不等，同时也有免费套餐，包含 **120 分钟** 的录音时长。 ## 市场趋势：无摄像头成新卖点 Halliday G2 的出现，恰逢智能眼镜市场对摄像头的争议日益升温。Meta 的 Ray-Ban 智能眼镜虽然市场主导，却因内置摄像头被滥用拍摄他人（尤其女性）而获得“变态眼镜”的恶名。为求差异化，一些厂商推出了摄像头遮挡方案，而 Even Realities 和现在的 Halliday 则直接选择 **完全舍弃摄像头**。 有趣的是，Halliday 的 G2 与 Even Realities 去年发布的 G2 眼镜不仅名称相同，外观也极为相似，且同样主打无摄像头理念。双方都强调 G2 代表“第二代”，而非特定品牌名。 ## 隐私争议：录音同样需要警惕 尽管 Halliday 声称 G2 避免摄像头带来的隐私问题，但其 **全程录音** 的能力同样引发担忧。与 Bee 的 Pioneer 等设备配有录音指示灯不同，Halliday G2 **没有指示灯** 来提示旁人正在录音。Halliday 在新闻稿中表示：“用户应向房间内的人告知正在录音。”但这一提醒完全依赖用户自觉。 ## 小结：职场专用，但隐私难题未解 Halliday G2 为智能眼镜开辟了一条新路径——聚焦音频而非视频，瞄准会议纪要、客户谈话等专业场景。然而，在缺乏明确录音提示的情况下，即使没有摄像头，佩戴者对周围环境的“监听”仍可能带来新的隐私风险。这款眼镜能否获得职场人士的信任，还有待市场检验。
去年 CES 上，Halliday 初代智能眼镜因糟糕的显示体验备受诟病。如今，二代产品以全新波导显示方案回归，放弃了此前备受争议的微型可移动窗口，转而采用更传统但更易用的双目光学模组。 ## 从“折磨眼球”到“清晰易用” 初代 Halliday 眼镜的显示窗口极小且难以对准，长时间使用容易导致眼睛疲劳。二代产品彻底抛弃了这一设计，改用每眼一块的单色绿光波导显示屏，分辨率 600×300、最高亮度 1600 尼特。虽然不如 Meta 等产品的隐形屏幕那样完全无感，但正常佩戴时反射痕迹已大幅减少，观感明显提升。 ## 轻量化设计，专为办公场景优化 二代眼镜重量控制出色，在同类带显示眼镜中属于较轻的一档。即使在昏暗的酒吧内，屏幕内容依然清晰可辨（日光下表现尚未测试）。四麦克风阵列在嘈杂环境中也能准确拾取语音指令。官方宣称典型使用续航可达 **12 小时**。 **最关键的变化是取消了摄像头**。Halliday 表示这是出于隐私和续航的双重考量——二代眼镜被明确定位为“工作会议工具”，而非拍照或录像设备。它更像是一个佩戴在脸上的信息提示器，用于实时查看会议纪要、翻译或日程提醒。 ## 市场定位与竞争格局 在智能眼镜赛道日益拥挤的今天，Halliday 选择了一条差异化路径：不做全能型 AR 眼镜，而是聚焦 **轻量级生产力场景**。无摄像头的设计既避免了隐私争议，也降低了功耗和成本。不过，这也意味着它无法像 Meta Ray-Ban 那样支持拍照、视频或视觉搜索，功能边界相对狭窄。 对于频繁参加线上会议、需要免提查看信息的职场人士而言，Halliday Gen 2 提供了一个有趣的备选方案。但能否在消费市场获得广泛认可，仍有待价格公布和实际场景验证。
作为一位长期被 Siri 气到的 iPhone 用户，我尤其痛恨它在开车时的“装聋作哑”——错误回答、答非所问，甚至直接沉默，这些在驾驶中都是致命干扰。正因如此，我迫不及待地升级了 iOS 27 公测版，想看看新版 Siri AI 是否真能兑现苹果的承诺。结果令人惊喜：差距不是一点半点，而是“代际碾压”。 ## 实测场景：导航与信息查询 测试在驾驶中进行，核心任务包括设置导航、查询天气和播放特定歌单。 - **旧版 Siri（iOS 26）**：当我喊出“导航到最近加油站”时，它先沉默了两秒，然后弹出“正在处理”却迟迟没有反应，最后直接失败。第二次尝试，它识别成了“导航到最近有加气站”，导致路线完全错误。查询天气时，它回复了“今天多云”，但未提及具体温度，且语音合成生硬。播放歌单“Road Trip”时，它播放了完全不同的歌单。 - **新版 Siri AI（iOS 27）**：同样的指令，“导航到最近加油站”几乎瞬间响应，并提供了三个选择，还能理解“油价最低的”这类附加条件。天气查询不仅给出温度、湿度，还自动补充了“下午有阵雨，建议带伞”。播放歌单时，它准确执行，并主动询问“要随机播放吗？”。 ## AI 升级带来的核心差异 新版 Siri AI 之所以表现如此出色，得益于端侧大模型的加持。它不再依赖简单的关键词匹配，而是能理解上下文。例如，当我先问“附近有什么餐厅？”再问“哪个评分最高？”时，它知道“哪个”指代的是之前的餐厅列表。这种连续对话能力在驾驶场景下极大减少了重复指令，让交互更自然。 此外，错误率大幅下降。旧版 Siri 常因口音或环境噪音误判，而新版借助更强大的语音模型和降噪算法，即使在高速行驶、车窗开着的条件下，也能准确识别。 ## 仍需改进之处 尽管进步显著，新版 Siri AI 仍非完美。在测试复杂多步指令（如“导航到公司，中途在星巴克停一下”）时，它偶尔会遗漏部分要求。另外，第三方应用集成度有限，例如无法直接通过语音在微信中发送特定消息。但总体而言，从“几乎不可用”到“基本可靠”，这次升级是质的飞跃。 ## 小结 对于经常在车内使用语音助手的用户，iOS 27 的 Siri AI 值得等待。它不再是那个让人血压升高的“人工智障”，而是一位真正能分担驾驶压力的助手。如果你已升级公测版，不妨在安全前提下亲自体验；否则，9 月的正式版值得期待。
中国人工智能初创公司 Z.ai 发布的最新大语言模型 GLM 5.2，在部分编程基准测试中缩小了与美国竞争对手的差距。这一进展不仅展示了中国 AI 技术的快速追赶，更引发了一个关键问题：许多开发者在编码时过度依赖高成本模型，浪费了大量 token。 ## 成本与性能的平衡 长期以来，高端模型如 OpenAI 的 GPT-5.5 和 Anthropic 的 Opus 凭借卓越性能占据市场，但其高昂的 token 成本也让许多中小团队望而却步。Z.ai 的 GLM 5.2 在保持竞争力的同时，以极低的价格提供了接近的编码能力，迫使行业重新审视“成本-性能”关系。 ## 编码习惯的代价 许多开发者习惯于使用最强大的模型处理所有任务，包括简单的代码补全或调试。这种“宽松 token 预算”策略虽然方便，却带来了不必要的开支。Z.ai 的低价模型揭示了这一习惯的代价：对于许多常见编码任务，更便宜、更轻量的模型已足够胜任。 ## 行业影响与未来 GLM 5.2 的推出可能加速 AI 编码工具的民主化。未来，开发者可能需要更精细地选择模型，根据任务复杂度平衡成本与效果。这或许会推动模型分层定价和任务特定微调的发展。 Z.ai 的成功也提醒美国公司：仅靠品牌溢价和性能领先已不足以保证市场地位。成本效益将成为下一个竞争焦点。
Last week, two Chinese AI companies unveiled models they say can credibly compete with the best systems from OpenAI and Anthropic. The response was swift and predictable. Markets wobbled, commentators declared Silicon Valley shooketh, and policymakers reached for the familiar language of arms races and wake-up calls. In one headline, The Associated Press said a […]
‘It’s a Modern-Day Draft’: Why Stanford Students Walked Out on Sundar Pichai’s Commencement Speech
新上线Last month, more than a hundred Stanford students left their own graduation to protest Google’s military contracts and deals with ICE. Two organizers, Amanda Campos and Eva Jones, tell us why.
We've tested and reviewed the best tablets on the market for note-taking in study sessions, meetings, or when you're feeling creative.
New T-Mobile 5G Home Internet customers can get their first month on T-Mobile, plus up to $200 back via prepaid Mastercard. We break down the details.
Gritt is coming out of stealth with $34 million and plans to automate the hardest tasks on construction sites.
Members of the Army received an email informing them that they were rapidly depleting their AI tokens, and needed to limit use.
Once a quirky bastion of amateur vulva jewelry and pet portraits, Etsy is now deluged with mass-produced goods and AI knockoffs. Some customers don’t seem to mind.
Xfce is a Linux desktop environment that is great at giving old machines new life. Two major distributions present this desktop differently. So, which is best?
在文档理解任务中，如何从众多OCR引擎和多模态大语言模型（MLLM）中选出最合适的工具，一直是个难题，尤其是当标注数据稀缺时。近日，一篇发表于arXiv的论文提出了**DocOCR-Eval**，一种无需真实标注的评估框架，通过“校正与排序”策略自动评估OCR工具性能，为文档解析系统的部署提供了实用指南。 ## 背景与挑战 文档解析是视觉问答、关键信息提取等任务的基础，它把非结构化的扫描图像转化为包含文本、视觉和布局信息的结构化表示。当前，虽然OCR引擎和MLLM层出不穷，但如何针对特定文档集合选择最优方案仍缺乏系统方法。传统做法依赖人工标注来评估工具，成本高且难以规模化。此外，许多OCR引擎在上下文推理方面能力有限，而MLLM虽有潜力，但评估其文本识别性能同样需要标注数据。 ## DocOCR-Eval 的核心思路 DocOCR-Eval 的核心创新在于**无需人工标注**即可近似真实标注下的工具排序。其流程分为三个阶段： 1. **候选工具生成**：使用多个OCR引擎和MLLM对文档进行初步识别，得到多个识别结果。 2. **校正阶段**：利用一个或多个MLLM对识别结果进行校正，即对比原始图像与识别文本，输出修正后的文本。校正过程相当于提供了一种自动化的“近似真实值”。 3. **排序与选择**：基于校正后的文本与原始识别结果的差异（如编辑距离），对工具进行排序。差异越小，说明该工具性能越优。 实验表明，**聚合多个MLLM的校正结果可以逐步提升与真实标注排序的一致性**。这意味着，即使没有人工标注，DocOCR-Eval 也能可靠地识别出最适合当前文档集的OCR工具。 ## 实验验证与意义 研究者在多个跨领域、跨语言的扫描文档基准上进行了系统评估，涵盖不同类型OCR引擎和当前最先进的MLLM。结果显示，DocOCR-Eval 在标注稀缺的实际场景中能够实现可靠的工具选择，其排序与基于真实标注的排序高度相关。 这项工作的意义在于： - **降低评估门槛**：用户无需耗费大量人力进行标注，即可快速为特定文档集选择最优OCR方案。 - **提升部署效率**：对于企业级文档处理系统，DocOCR-Eval 提供了一种自动化的工具选型流程，减少试错成本。 - **推动研究进展**：为OCR和MLLM的对比研究提供了可扩展的评估范式，尤其适用于新模型快速迭代的场景。 ## 总结与展望 DocOCR-Eval 提出了一种实用且创新的框架，解决了OCR工具选择中的“无标注”困境。未来，该框架可能进一步扩展到其他文档理解任务（如布局分析、表格识别），并探索更高效的校正聚合策略。对于AI从业者而言，这无疑是一个值得关注的方向，尤其是在需要快速部署文档解析系统的实际业务中。
## 快讯：ARGO智能眼镜——边缘AI的里程碑 近日，一项发表在arXiv上的研究介绍了ARGO，一个集成了多传感器、完全在设备端运行机器学习的智能眼镜平台。该平台由EssilorLuxottica与米兰理工大学联合研发，旨在解决智能可穿戴设备在舒适性、计算性能与能效之间的平衡难题。 ### 核心突破：本地化AI处理 ARGO的核心创新在于使用**STM32N6微控制器**及其集成的**神经处理单元（NPU）**，实现了完全本地化的机器学习推理。这意味着所有数据——包括视觉、音频和传感器信息——都在眼镜上处理，无需依赖云端。这不仅将延迟降至最低，更重要的是**保障了用户隐私**，因为敏感数据不会离开设备。 ### 硬件与算法的协同设计 研究团队采用了硬件-固件-人工智能的协同设计方法。他们部署了一个经过优化的**YOLOv11模型**用于实时城市障碍物识别。为了适配NPU架构，团队提出了**头级并行注意力（HPA）**机制，这是一种架构优化，使得注意力机制能够在加速器上高效执行，同时保持原始计算逻辑。 模型在专门收集的**WOTR（Walking On The Road）数据集**上训练，最终在严格的内存限制下实现了**mAP50-95为24**（平均精度均值），而模型大小仅为**2.483 MB**。 ### 多模态传感器与续航表现 ARGO配备了一套完整的传感器组合： - **RGB摄像头**：用于视觉识别 - **飞行时间（ToF）传感器**：用于深度感知 - **麦克风**：用于音频输入 - **环境传感器**：监测光照、温度等 在200毫安时电池供电下，眼镜能以**10 FPS**的帧率连续运行约**113分钟**，展示了高效的能耗管理。 ### 行业意义与未来展望 ARGO的成果表明，高性能、隐私保护且社会可接受的辅助设备是可行的。它特别适合视障人士导航、工业巡检、增强现实等场景。随着边缘AI芯片的进步，这种**高度集成、多学科协同设计**的方法将成为未来智能可穿戴设备的主流。 研究者强调，ARGO不仅是一个原型，更代表了一种范式转变：将AI能力从云端下沉到终端，在保护隐私的同时实现实时响应。
## 从“拍脑袋”到数据驱动：张量核测试的容差校准新思路 在深度学习模型的开发与部署中，**张量核（Tensor Kernel）**的正确性测试是保障模型可靠性的关键一环。然而，当前主流做法是使用固定的“all close”检查，搭配人工指定的绝对和相对容差（atol/rtol）。这些阈值往往在不同测试间直接复制，很少根据实际算子行为进行动态调整。 近日，一篇 arXiv 论文（arXiv:2607.16228）提出了一种**算子感知的混合精度容差校准方法**，通过挖掘大规模云 GPU 运行数据，为每个测试用例自动确定更合理的容差阈值。 ### 核心发现：手工容差过于宽松 研究团队基于 **gpuemu 语料库**中的 26 个测试条目和 2 种数据类型，收集了累计 8,076 行结果数据。他们分析每个测试用例的元素级误差分布，并提出一个关键问题：**在正确实现下，内核本身能证明多大的绝对容差？** 答案令人惊讶：**自动校准的容差比手工设定的要严格得多**。例如，`attention_triton` 在 fp16 精度下的容差可收紧 **2,184 倍**。这意味着很多原本通过测试的代码可能实际上存在细微错误。 ### 实战效果：Bug 检测率提升 9.3 个百分点 为了验证方法的实用性，论文聚焦于语料库中 **7 个 LLM 风格的错误变体**（每个都有对应的正确实现）。使用校准后的 per-(op, dtype) 容差，**Bug 检测召回率从 73.2%（1,805/2,467）提升至 82.4%（2,034/2,467）**，绝对提升了 9.3 个百分点，多检测出 **229 个新错误**。 副作用是**误报率略有上升**：在 1,882 个正确控制案例中，误报从 0 增加到 20 个（+1.1 个百分点）。但考虑到检测收益，这一权衡是值得的。 ### 行业意义：通向更可靠的 AI 基础设施 这项工作对 AI 工程化实践有直接启示： - **告别“一刀切”**：不同算子、不同数据类型有独特的误差分布，统一容差会掩盖真实问题。 - **数据驱动校准**：利用云 GPU 运行积累的误差数据，可以自动生成更精准的测试标准。 - **LLM 场景尤其受益**：大型语言模型依赖大量张量运算，更严格的测试有助于提前发现数值不稳定或实现错误。 该方法已作为 8 页短文以 LNCS 格式发表，并有一系列配套论文（如 arXiv:2606.20128）进一步探讨相关主题。 ### 小结 这项研究提醒我们，在快速迭代的 AI 框架和硬件中，**测试本身也需要持续优化**。算子感知的容差校准不仅提升了测试的敏感性，也为混合精度训练和推理的可靠性提供了新工具。未来，随着更多 GPU 运行数据的积累，这种数据驱动的方法有望成为行业标准。
现代神经网络能够拟合被破坏的训练标签，这使得噪声标签学习成为研究记忆驱动过拟合的有用场景。大多数正则化方法修改目标函数、架构或数据分布；而本文研究了一种对优化器更新本身的几何干预。我们评估了 OrthoGrad，该方法移除每个权重梯度中平行于当前权重向量的分量，并在噪声标签图像分类中进行测试。在 MNIST 小数据场景下，OrthoGrad 对 CNN 的测试准确率提升最为明显，同时减少了对损坏标签的拟合。基于权重范数和梯度-权重余弦相似度的机制诊断表明，当原始梯度包含显著的径向分量时，该投影效果最强；而在大数据场景下，梯度已经几乎与权重正交，效果减弱。额外的 CIFAR-10 ResNet-18 实验显示，该方法可以改变记忆轨迹，但无法完全阻止最终的噪声标签记忆。这些结果支持正交更新约束作为研究学习动态的有用诊断工具，同时表明 OrthoGrad 的效果具有场景依赖性，而非普遍正则化。 本文已被 ICML HiLD 2026 研讨会（首尔）接收。
## 让黑箱偏好模型“开口说话”：语言驱动的偏好解释与编辑 随着机器学习在人类偏好建模中的广泛应用，一个根本性挑战日益凸显：当选择项在多个维度上存在差异时，究竟哪些因素驱动了决策？传统方法往往给出一个“黑箱”评分，用户无法检查、质疑或纠正模型。对此，麻省理工学院等机构的研究者提出了一种名为 **“weights to words”（权重到文字）** 的新方法，旨在将模型内部的数值推理转化为可读、可编辑的自然语言描述。 ### 核心思路：自动发现偏好维度 该方法的核心是：给定一组选择数据（例如用户对道德困境、电影或红酒的偏好），算法自动发现一组与领域相关的**偏好维度**，每个维度都用自然语言标签（如“道德重要性”“电影剧情深度”）表示，并对应模型表征空间中的一个向量。这些维度不仅解决了**欠确定性**（将归因集中在少数有意义因素上），还通过**外化**模型推理，让用户能够实时检查和编辑。 ### 实验验证：提升预测准确性与用户满意度 研究者在四个领域进行了定性展示：道德困境、电影、红酒和自由形式的大语言模型（LLM）响应。随后，他们开展了两个预注册的受试者实验： - **道德困境实验（N=450）**：参与者面对一系列道德两难选择。使用“权重到文字”方法提取的偏好维度（如“伤害避免”“公平性”），将模型向该基正则化后，在留出数据上的预测准确率**显著提升**。进一步，允许参与者编辑这些维度（例如调整“公平性”的权重），准确率再次提高。 - **电影选择实验（N=449）**：类似流程，参与者偏好电影类型、演员等维度。与基线模型相比，参与者更偏好该方法生成的偏好画像，并认为其预测更准确。 ### 意义与展望 这项工作的价值在于**将偏好建模从纯粹统计推断扩展为可交互的认知工具**。它使非专家用户能够理解模型为何推荐某个选项，并在发现错误时进行修正——例如，当模型错误地将“动作场面”归因于用户偏好时，用户可以直接降低该维度的权重。这种可解释性对于高风险领域（如医疗、法律、推荐系统）尤为重要。未来，该方法有望与LLM结合，实现更动态的偏好学习。 论文发表于arXiv（arXiv:2607.16232），并提供了42页的完整附录，包括22张图和14张表。
大型语言模型（LLM）正被广泛应用于医疗、金融、教育等安全关键系统，但其“无法遗忘”的特性带来了严重的网络安全、隐私与合规风险。近期一份由多所高校研究者联合发表的综述（arXiv:2607.16227）系统梳理了LLM遗忘技术（LLM Unlearning）在网络安全防御中的现状、挑战与新兴威胁，指出当前方法可能只是“抑制表达”而非“真正删除知识”。 ## 核心痛点：模型为何需要“遗忘”？ LLM在训练过程中会记忆大量敏感信息——个人隐私数据、受版权保护的文本、危险领域知识等。这些信息在模型部署后仍编码在数十亿参数中，极易被提取攻击（Extraction Attacks）、越狱提示（Jailbreak）或成员推断（Membership Inference）所利用。实际案例已屡见不鲜：聊天机器人意外泄露用户隐私，或模型生成虚假法律引用导致真实财务损失。 传统解决方案如重新训练模型需要消耗巨大算力，且知识在参数中高度纠缠，无法精准定位。因此，**LLM遗忘技术**应运而生，旨在不重新训练的前提下，移除或抑制模型中特定知识，同时保持其余能力的完整性。 ## 方法之争：梯度方法主导，但有效性存疑 综述聚焦于**基于梯度的方法（Gradient-based Methods）**，这类方法因与现有训练管线兼容、可扩展至千亿参数模型而成为主流。其核心思路是通过反向传播调整参数，使模型在特定输入上“忘记”目标知识。 然而，研究提出了一个关键问题：**当前方法真的实现了“遗忘”，还是仅仅让模型在常规提示下不再输出那些信息？** 如果攻击者采用对抗性提示或模型逆向技术，被“遗忘”的知识可能再次浮现。这种“表面遗忘”现象使得现有方法在安全防御中的可靠性大打折扣。 ## 挑战与未来方向 综述指出了多项未解挑战： - **可验证遗忘（Verifiable Forgetting）**：缺乏统一标准来衡量遗忘的彻底性，现有评估指标多依赖行为测试，难以证明知识已被永久移除。 - **泛化与副作用**：遗忘特定知识可能无意中损害模型在其他相关任务上的表现，例如移除医疗数据可能导致诊断能力下降。 - **对抗鲁棒性**：攻击者可能利用遗忘过程中的漏洞，设计特殊输入来恢复被删除的知识。 - **监管合规**：欧盟《人工智能法案》等法规要求模型具备“被遗忘权”，但技术实现与法律要求之间仍有鸿沟。 ## 行业启示：遗忘是AI安全的必要防线 随着LLM深入关键领域，遗忘技术不再是学术好奇，而是**安全防御的核心组件**。类似数据脱敏，模型层面的“认知脱敏”将成为标准流程。未来研究需从三个方向突破：设计可证明的遗忘算法、建立公开的遗忘基准测试、以及探索硬件辅助的遗忘方案。 该综述为AI安全从业者提供了全景式参考，也提醒我们：在追求模型能力的同时，必须同步构建“遗忘”的能力——**能记住，更要能忘记**。