速報
AI 生成兒童性侵內容的風險與防護：15 大未解挑戰
隨著生成式人工智慧技術的成熟，兒童性侵害的風險出現新變相。研究指出，AI 被濫用製作兒童性虐待影像、協助性剝削，且現有的安全機制因資料存取、透明度與評估方式受限，難以應對。本文分析了資料集審核、紅隊測試與微調防護等環節的技術瓶頸，並列出從資料蒐集、模型設計、部署到長期維護的 15 項關鍵問題。
生成式AI
深度分析
使用 SAE 進行概念偵測與取代（PER），在擴散模型中實現高效概念刪除與低失真
隨著文字生成圖像模型廣泛部署，如何在不重新訓練的情況下刪除特定概念成為關鍵。研究利用稀疏自編碼器偵測目標物件，改以同層特徵取代而非直接在潛在空間干預。實驗顯示，此檢測式取代大幅降低視覺失真，提升概念刪除效果。在UnlearnCanvas測試中平均表現達95.33%，亦在NSFW過濾中展現優勢。
深度分析
OmniPrism：概念解耦與擴散模型結合的多概念影像生成技術
隨著創意影像生成需求增加，現有方法多受單一概念限制或易被多概念干擾。OmniPrism 透過自然語言引導與多模態特徵，使用對比正交訓練解耦內容、風格與構圖概念，並將其注入擴散模型。實驗證實其在概念分離與圖像品質上優於傳統方案，顯示出對創意生成的顯著提升。
生成式AI
前 Apple 工程師打造 AI 硬體 Button：以極簡設計與物理觸發重新定義 AI 互動
前 Apple 工程師推出名為 Button 的 AI 硬體裝置，外型酷似 iPod Shuffle。該裝置主打隱私與即時回應，僅在按下按鈕時啟動 AI 聊天機器人，旨在提供比手機更便捷的 AI 互動體驗，定位為手機的補充設備而非替代品。
Meta AI
Meta 推出 AI 健康助手 Muse Spark：數據採集與隱私風險的權衡
Meta 新推出的 AI 模型 Muse Spark 鼓勵使用者上傳原始健康數據以獲取個人化建議。然而，醫療專家警告，將敏感數據交給非 HIPAA 合規的 AI 聊天機器人會帶來巨大的隱私風險，且 AI 可能提供錯誤或危險的醫療建議，使用者應謹慎對待其分析結果。