Google Data Cloud 团队提出基于信息论“惊奇度”(surprisal)的 Discovery Bench 框架,通过量化查询模糊性来评估数据智能体性能。研究发现传统静态基准存在误导:部分查询在细微模糊下性能断崖式下跌,且存在非单调的“甜蜜点”。文章指出基准测试本身可能因错误的地面真值而失效,呼吁建立“评估评估者”的机制,用连续的信号替代简单的通过/失败判定。
Google Cloud 推出 Cloud Run Sandboxes 公测,允许在现有服务实例内毫秒级启动轻量隔离环境,专门用于安全执行 AI 生成的代码或未信任二进制文件。默认零网络出站、凭据隔离及只读文件系统覆盖,且无额外费用。适合构建 LLM 代码解释器、无头浏览器自动化及用户提交代码执行场景,集成 ADK 和 ComputeSDK 简化开发流程。
Google Cloud 宣布与 Apple 合作,在 Google Cloud 上扩展 Apple 的 Private Cloud Compute (PCC) 服务。该方案利用 Google 的 Titanium 安全架构、Titan 芯片以及 Intel TDX 和 NVIDIA Confidential Computing 技术,在硬件级可信执行环境 (TEE) 中保护 AI 工作负载的数据隐私。文章强调了开源主机栈的透明性验证,旨在为高敏感度的 AI 推理提供机密计算基础设施。