KeyFrame內部研究專用

NotebookLM Is About To Remember Everything You Do!

World of AI·6月21日週日·9 min英文

三句話摘要

Google Notebook LM 新功能曝光,Anthropic 新模型即將發布,AI 實驗室持續迭代新一代模型。 在開源競爭加劇和模型限制並存的時代,AI 實驗室的核心策略是加速內部迭代而非減緩開發,這導致新模型發布週期正在加快。 Notebook LM 記憶功能採隔離設計:新增的 Personal Intelligence 僅學習 Notebook LM 內的對話記錄,不會跨越到 Gmail、Google Docs 等其他服務,這對處理敏感資料的研究人員和企業使用者很重要。

重點整理

重點
  • 1

    Notebook LM 記憶功能採隔離設計:新增的 Personal Intelligence 僅學習 Notebook LM 內的對話記錄,不會跨越到 Gmail、Google Docs 等其他服務,這對處理敏感資料的研究人員和企業使用者很重要。

  • 2

    筆記編輯工具填補寫作工作流空白:新的 AI editing 功能讓使用者可將已保存的筆記內容推回對話框重新編輯改寫,解決原本無法修改已保存內容的限制。

  • 3

    文獻回顧矩陣自動化提高研究效率:LitReview 功能可自動生成表格形式的文獻對比矩陣,將來還可能整合 Google Playbooks 和教科書作為源資料,大幅減少手動整理的工作量。

  • 4

    模型限制政策並未減緩創新速度:Anthropic 在限制 Fable 5 對外發布的情況下,已完成下一代模型訓練,說明模型限制只影響使用者端的可用性,不影響實驗室背後的開發進度。

實用技巧與重點

乾貨
  • Notebook LM 新功能
  • 功能 1:Personal Intelligence(個人記憶)
  • 功能 2:AI editing for notes(筆記編輯工具)
  • 功能 3:LitReview(文獻回顧矩陣)
  • Mythos/Fable 完成訓練與發布時間:2026 年 4 月 7 日開放 Project Glasswing,約 2 個月後下一代完成訓練
  • Anthropic 模型線進展
  • 目前 Opus 版本:Opus 4.8
  • 目前 Sonnet 版本:Sonnet 4.6
  • 即將推出:Claude Sonnet 5(已在 Partner Provider 後端系統現身)
  • 可能回歸:Fable 5
  • 競爭對手進度:GLM 5.2(開源模型)已展現高度能力

結論

結論

在開源競爭加劇和模型限制並存的時代,AI 實驗室的核心策略是加速內部迭代而非減緩開發,這導致新模型發布週期正在加快。

完整解析

詳細

Google 正在 Notebook LM 上進行三項重要功能測試,這些功能揭示了該產品的發展方向。首先是 Personal Intelligence 記憶系統,目前 Notebook LM 的每次對話都是獨立開始,新功能將透過記錄過往對話為後續互動提供上下文。值得注意的是,Google 設計這項功能時採取了保守的隔離策略,記憶資料僅限於 Notebook LM 內部,不會涉及 Gmail、Google Docs 或其他 Google 服務。這項設計考量很清楚地指向該平台的主要使用者——處理敏感資料的研究人員和企業團隊,他們不希望 AI 系統不分青紅皂白地吸收他們跨越 Google 生態系統的所有資料。

第二項是 AI 筆記編輯工具,解決了一個實際使用痛點。當前用戶保存筆記後就無法再修改,這對使用 Notebook LM 進行寫作的人來說很不便。新工具允許用戶將已保存的文本內容推回對話,要求 AI 進行改寫、精煉或重組,真正補齊了寫作工作流中的缺口。第三項功能是 LitReview——一種全新的文獻回顧矩陣生成工具。這不只是簡單地總結文件內容,而是將多份來源資料整理成結構化表格,跨列比較它們的異同,幫助研究者迅速掌握資料集的全貌。這項功能針對性地解決了學術研究中最耗時的手動任務之一。

在 Anthropic 方面,一則關鍵推文透露了下一代模型的進展。Andrew Curran 指出新版 Mythos 已完成訓練並做好部署準備,時間點是在 4 月公開 Project Glasswing 後約兩個月。更重要的是他提出的核心論點:模型限制政策並不會減緩開發速度。即使 Fable 5 被限制對外發布,Anthropic 仍能在幕後繼續訓練更強大的模型,因為這樣做不但不消耗公開服務的資源,反而可能加快迭代進度。這打破了許多人認為「限制=減速」的假設。此外,Claude Sonnet 5 已在 Anthropic Partner Provider 的後端系統現身,這通常是模型即將發布的最可靠信號。考量到 Sonnet 是多數用戶的常用模型,且相比 Opus 更經濟高效,推出 Sonnet 5 符合 Anthropic 的商業邏輯。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。