<div class="field field-name-field-news-column-category field-type-taxonomy-term-reference field-label-hidden"><div class="field-items"><div class="field-item even"><a href="/tags/%E6%96%B0%E8%81%9E">新聞</a></div></div></div><div class="field field-name-body field-type-text-with-summary field-label-hidden"><div class="field-items"><div class="field-item even"><h3><span style="vertical-align: top; color: rgb(0, 0, 255);">重點新聞（0123～0129）</span></h3>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> ATLAS </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 擴展法則 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Google DeepMind </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>Google DeepMind給出多語言模型的最佳擴展法則</strong></span></p>
<p>Google DeepMind最近提出一套新訓練法則ATLAS（Adaptive Transfer Scaling Laws），專門解決一個老問題：多語言模型越練越大，但效果常常不如預期。進一步來說，過去大家熟悉的擴展法則（Scaling laws），幾乎都是在「只訓練英文」的情況下推導出來的。一旦模型要同時支援幾十、幾百種語言，原本的經驗法則就不太管用。</p>
<p>ATLAS實際跑了774次受控訓練實驗，模型大小從1,000萬到80億參數不等，涵蓋了400多種語言訓練，而團隊評估了48種目標語言的表現。他們發現，語系或書寫系統相近的語言一起訓練，最容易加分，例如西班牙文、葡萄牙文、義大利文一起訓練，效果通常比亂混更好。</p>
<p>這項研究也量化了常被提到的「多語言詛咒」。結論是，語言變多確實會佔用模型容量，但影響沒那麼可怕：如果支援的語言數量翻倍，只要把模型放大約1.18倍、資料量增加1.66倍，就能維持效能。團隊也在ATLAS給出建議，算力資源不夠時，先微調現有的多語言模型最划算；資源要是夠多，再從頭訓練。<a href="https://research.google/blog/atlas-practical-scaling-laws-for-multilingual-models/">（詳全文）</a></p>
<p><img alt="" src="https://storage.googleapis.com/gweb-research2023-media/images/ATLAS-2.width-1250.png" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 翻譯 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 資料集 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Hugging Face </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>Hugging Face釋出1兆Token的超大翻譯資料集FineTranslations</strong></span></p>
<p>Hugging Face最近公開FineTranslations資料集，規模超過1兆Token，涵蓋500多種語言與英文對照翻譯的平行文本，是目前最大的合成翻譯資料集之一。為建立這套資料集，團隊先是將多語言預訓練資料集FineWeb2的非英文內容，透過Gemma 3 27B模型，大規模翻譯成英文。這個資料集以ODC-By 1.0授權釋出，使用者可自由使用、重製，團隊也完整公開產製流程。</p>
<p>FineTranslations的核心目的，是要補齊現有模型的翻譯弱點。多數語言模型在「外語翻英文」時表現很好，但在「英文翻外語」，尤其是低資源語言，翻譯品質仍明顯落後。Hugging Face的做法，是先建立大量的原文－英文對照資料集，再用這些平行語料來微調模型，強化英文 → 其他語言的翻譯能力。</p>
<p>團隊測試發現，這批英文資料本身也保留各國文化和語境特徵，單獨用於英文模型訓練時，效果已接近FineWeb等高品質語料。這也顯示，以AI合成的資料，再反過來訓練AI，是一個可行的方法。<a href="https://huggingface.co/datasets/HuggingFaceFW/finetranslations">（詳全文）</a></p>
<p><img alt="" src="https://huggingface.co/datasets/HuggingFaceFW/admin/resolve/main/finetranslations_plot.png" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Clawbot </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AI助理 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 協作 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>Clawdbot走紅，AI助理走向開始做事的行動代理</strong></span></p>
<p>開源AI代理專案Clawdbot（現名為Moltbot）近日在開發者社群快速竄紅，被視為AI助理邁向行動代理（Agent）的重要象徵。該專案由奧地利工程師、PSPDFKit共同創辦人Peter Steinberger於2026年1月推出，主打使用者可自行部署且控制的本地AI助理，而非綁定單一雲端服務。</p>
<p>Clawdbot的設計重點，在於讓大型語言模型不只回話，而是能在取得授權後實際執行任務。使用者可將其部署在本地電腦或伺服器，串接OpenAI、Anthropic等模型API，並透過Telegram、Slack、Discord或Teams等既有通訊工具下指令，讓AI進行檔案讀寫、終端機操作、網頁擷取與流程自動化。</p>
<p>相較多數雲端AI服務，Clawdbot不強調專屬介面，而是嵌入原有工作流程。其以Gateway負責權限與訊息控管，實際行動則交由本地代理執行。社群分享顯示，已有使用者將其用於內容產製、研究與內部流程自動化。雖仍偏向開發者實驗框架，但Clawdbot的爆紅意味著，AI助理正從聊天工具，走向可被信任、可被授權的工作夥伴。<a href="https://github.com/moltbot/moltbot">（詳全文）</a></p>
<p><img alt="" src="https://raw.githubusercontent.com/moltbot/moltbot/main/docs/whatsapp-clawd.jpg" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Anthropic </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 憲章 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Claude </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Anthropic改用一整份說明書教AI怎麼想，還授權釋出</strong></span></p>
<p>Anthropic近日公開新版Claude憲章，完整揭露模型的行為原則和價值優先順序，並以CC0授權釋出，任何人都能自由使用。Anthropic強調，這份文件不只是對外說明立場，還會直接用在模型訓練，來優化Claude對複雜情境的判斷。</p>
<p>和過去條列式規則不同，這次憲章改寫成一份「有前因後果」的完整文件，花大量篇幅解釋為什麼要這樣做、界線在哪裡。Anthropic認為，只叫AI守規則並不夠，還要讓模型理解原則背後的理由，遇到價值衝突時才不會僵硬套用。</p>
<p>這份憲章主要寫給Claude看，用來說明模型可能遇到的兩難情境，例如誠實與同理如何拿捏、協助使用者時如何保護敏感資訊。實務上，憲章不只作為行為目標，也會用來產生合成訓練資料，持續影響後續版本。Anthropic也明訂行為優先順序：先確保整體安全與人類可監督性，再來是廣義倫理，接著才是公司指引與使用者需求，反映現階段模型仍可能誤判風險的現實。<a href="https://www.anthropic.com/constitution">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> MCP Apps </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Claude </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 工作流程 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Claude導入MCP Apps，AI工具整合從「用文字說」走向「一起操作」</strong></span></p>
<p>Anthropic宣布，旗下AI聊天機器人Claude正式導入MCP Apps，可將第三方工具的互動式介面直接嵌入對話中，讓Claude從以文字為主的協作助手，進一步變成可視化的工作介面，目前已支援Asana、Box、Figma、Slack等9種工具，後續也規畫加入Salesforce。</p>
<p>MCP（Model Context Protocol）是Anthropic推出的開放標準，用來定義AI如何安全連接外部工具並執行指令。過去Claude雖能透過MCP建立任務或操作工具，但流程多以文字回饋為主；MCP Apps則更進一步，允許工具把原本的UI一起帶進AI對話中。</p>
<p>實際使用時，使用者可在Claude內直接查看並編修Asana專案、預覽與修改Slack訊息，或在Figma FigJam中把文字指令轉成流程圖與甘特圖，就像是和AI一起盯著同一個畫面工作，而不是只等結果回報，為AI代理更深入工作流程鋪路。<a href="https://modelcontextprotocol.io/docs/extensions/apps">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 瀏覽器 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Gemini </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Chrome </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Gemini進駐Chrome側欄，瀏覽器更像行動AI代理了</strong></span></p>
<p>Google最近更新Chrome的AI能力，讓Gemini常駐於瀏覽器側邊欄，還能隨分頁切換，即時理解使用情境，讓使用者不必跳離頁面，就能請AI彙整重點、比較網站內容或整理行程。目前先於美國推出。</p>
<p>與此同時，Google也推出代理式瀏覽功能Auto Browse，能在使用者授權下，由Gemini代為開啟分頁、搜尋資訊、填寫表單與比對選項，並即時顯示操作流程；遇到登入、付款等敏感動作，則會要求人工確認。目前Auto Browse僅開放AI Pro與Ultra用戶試用，並設有使用上限。</p>
<p>此外，Google也把影像創作模型Nano Banana直接內建於瀏覽器，讓使用者可對網頁圖片即時轉換風格或視覺化資料。換句話說，Chrome正從單純的瀏覽工具，進一步成為AI可實際動手做事的入口。<a href="https://gemini.google/tw/overview/gemini-in-chrome/?hl=zh-TW">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Ai2 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 程式開發 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 後訓練 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Ai2推SERA程式開發代理，把後訓練門檻壓到最低</strong></span></p>
<p>美國艾倫AI研究院（Ai2）最近啟動Open Coding Agents計畫，首波釋出程式開發代理SERA，並同步公開訓練資料和可重現的後訓練流程。Ai2希望，開發團隊能用低成本，把模型快速調整到企業內部或私有程式碼庫。</p>
<p>Ai2指出，封閉模型通常沒看過企業或組織內部的程式碼風格與API慣例，實務上常「不懂專案在幹嘛」。SERA採用合成資料驅動的後訓練方法，降低對完整測試環境的依賴。官方估算，重現既有最佳開源成果僅需約400美元算力，若要逼近同級頂尖模型，成本上限約1.2萬美元，小團隊也能負擔。</p>
<p>就效能來說，SERA-32B在SWE-Bench Verified的解題率達54.2%，約40個GPU日內即可完成訓練，還可直接相容Claude Code。Ai2也與Nvidia合作，優化模型在H100、B200平臺的推論效率。<a href="https://allenai.org/blog/open-coding-agents">（詳全文）</a></p>
<p><img alt="" src="https://www.datocms-assets.com/64837/1769524922-screenshot-2026-01-26-at-11-38-37-1.png?fit=max&fm=webp&h=810&w=1550" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Google AI Plus </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Deep Research </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> NotebookLM </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Google AI Plus正式在臺上線</strong></span></p>
<p>Google正式在臺灣推出Google AI Plus訂閱方案，主打每月新臺幣260元，整合旗下多項進階AI模型與工具，瞄準工作效率和創作需求。即日起新用戶還可享前兩個月半價優惠。</p>
<p>訂閱後，使用者可在Gemini App中解鎖Gemini 3 Pro，用於程式撰寫、推理和複雜任務；此外也能使用Deep Research生成較完整的主題分析報告。在創作部分，Google提供Nano Banana Pro影像生成，以及Veo 3.1 Fast的文字轉影片功能，並每月附贈200點AI點數，可用於Flow和Whisk製作短片。</p>
<p>而且，使用者也能透過內建於Gmail和Google文件的Gemini，來協助寫信、整理草稿；至於NotebookLM，則可提供更高的語音摘要和筆記本上限。這個方案還包含200GB雲端儲存空間，最多還能與5位家庭成員共享。Google表示，臺灣既有Google One Premium 2TB用戶，也將自動獲得AI Plus權益。<a href="https://blog.google/intl/zh-tw/products/explore-get-answers/ai-plus/">（詳全文）</a></p>
<p><img alt="" src="https://storage.googleapis.com/gweb-uniblog-publish-prod/images/AI_Plus_Hero.width-2200.format-webp.webp" /></p>
<p>圖片來源／Google DeepMind、Hugging Face、Moltbot、Ai2、Google</p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> AI近期新聞 </span></strong></span></p>
<p><strong>1. Moonshot AI開源Kimi K2.5，可自動生成最多100個子代理</strong></p>
<p><strong>2. 衛福部正式啟動高算力中心暨跨國聯邦學習平臺，要解決公雲的合規局限</strong></p>
<p>資料來源：iThome整理，2026年1月</p>
<div id="gtx-trans" style="position: absolute; left: 531px; top: 3778.47px;">
<div class="gtx-trans-icon"> </div>
</div>
</div></div></div>
