Google Cloud Storage
PulseAugur coverage of Google Cloud Storage — every cluster mentioning Google Cloud Storage across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Google 向瑞典大学学生提供免费 AI 服务和云存储
Google 通过向瑞典大学学生提供一年免费 AI 服务和额外云存储，大力投资教育领域。该计划还包括旨在简化教学和学习过程的工具。
-
Gemini 代理钩子在错误时未能阻止工具调用
Gemini 代理钩子由 Google 于 2026 年 7 月推出，旨在允许自定义脚本拦截并可能阻止托管代理发起的工具调用。然而，该实现存在一个严重缺陷：钩子脚本中的任何失败，包括崩溃、超时或格式错误的响应，都会导致工具调用继续执行。这意味着钩子更多地起到审计和提示机制的作用，而不是强大的安全边界。建议开发人员实施严格的网络规则并使用令牌限制作为主要的安保控制措施，将钩子视为第二层防御。
-
Google Cloud 的无边界湖仓一体整合 AWS、Databricks、Snowflake 的数据
Google Cloud 推出了新的“无边界湖仓一体”计划，旨在消除跨不同云平台复制数据的需求。该服务目前处于预览阶段，允许数据管道和代理通过 Iceberg REST 目录直接访问位于 AWS Glue、Databricks Unity Catalog 和 Snowflake Horizon 中的数据。此外，Google 还为跨云数据传输提供统一费率定价层，并发布了一个开源 Data Agent Kit，该套件与 Model Con…
-
AI模型在蒙娜丽莎绘画挑战中竞争 · 跟踪4个来源
一项比较研究评估了四种领先的AI模型——GPT-5.6、Claude Fable 5、Grok 4.5 和 Gemini 3.6 Flash——使用模拟彩色铅笔工具集绘制蒙娜丽莎的能力。实验包括重现目标图像和响应开放式提示，评估输出质量、成本和工具使用情况。虽然所有模型都展示了生成图像的能力，但 Claude Fable 5 在此特定任务上花费的时间明显更长，成本更高，但结果相对较差。
-
xAI 的 Grok CLI 泄露用户代码；推出新的私有 AI 服务器 Lemonade
据报道，xAI 的 Grok Build CLI 工具已将整个用户源代码存储库上传到 Google Cloud Storage 服务器，可能暴露敏感数据。此问题现已修复，意味着 xAI 和 Google 都可以访问代码。另外，一款名为 Lemonade 的新本地 AI 服务器已发布，它通过本地硬件提供私有且免费的云 API 能力，用于聊天、编码和图像生成。
-
xAI的Grok Build代理泄露了敏感用户数据，马斯克承诺删除
一位安全研究员发现，xAI的Grok Build编码代理（特别是0.2.93版本）上传了超出给定任务所需约27,800倍的大量数据。这些数据包括整个代码库、SSH密钥和密码管理器数据库等敏感信息，并被发送到一个之前未披露的Google Cloud Storage存储桶。埃隆·马斯克表示，在某个时间点之前上传的所有用户数据都将被删除。
-
AI视觉模型的类人注视模式通过新的去偏度量进行评估
一篇新的研究论文介绍了一种方法，可以更好地评估AI视觉模型模仿人类眼动轨迹的程度。研究强调，由于数据集偏差（例如倾向于固定在图像中心），常用度量可能具有误导性。研究人员提出了一种新的度量标准——注视一致性得分（GCS），该度量标准可以消除这些度量的偏差，并结合运动统计数据，以识别AI模型中类人扫描路径更准确的“最佳点”。
-
xAI 原样上传代码，Cognition 优化 Fable 5，新 AI 研究涌现 · 跟踪 1 个来源
xAI 的 Grok Build CLI 被发现将整个代码仓库原样上传到 Google Cloud Storage 存储桶，引发了隐私担忧。另外，据报道 Cognition 通过优化其架构，使其 Fable 5 模型比 Opus 4.8 更便宜、性能更好。在研究方面，Sakana AI 开发了“智能细胞积木”，利用局部通信和神经网络实现物理形状的集体智能；DeepMind 的研究人员则将视频生成模型重新用作名为 GenCeption …
-
xAI 的 Grok Build CLI 上传整个 Git 代码库，包括密钥
xAI 的 Grok Build CLI 工具被发现会上传整个 Git 代码库，包括完整的提交历史和 .env 密钥等敏感文件，至 xAI 的 Google Cloud Storage。研究人员捕获了这一行为，表明该工具会发送所有跟踪的文件，而不管任务是什么或是否有明确指示不访问某些数据。即使在用户选择退出模型改进的情况下，上传功能仍然存在，这引发了重大的隐私和安全担忧。
-
MLQENABLER 在加密云数据库上实现安全的机器学习查询
提出了一种名为 MLQENABLER 的新方案，旨在实现云计算环境中对加密数据库的安全机器学习查询。该方法通过允许客户在将数据外包给公共云服务提供商之前对其进行加密，从而解决了使用公共云服务提供商带来的安全问题。MLQENABLER 利用一种辅助索引的方法来同时保持安全性和机器学习能力，初步实验表明其安全级别可接受，且性能下降轻微。
-
Google 推出 Antigravity 2.0，用于高级 AI 智能体开发
Google 推出了 Antigravity 2.0，这是一个旨在构建能够进行复杂推理和任务执行的先进 AI 智能体的新平台。该平台允许开发人员创建能够编排长期工作流并与企业工具集成的多智能体系统。Antigravity 2.0 利用 Gemini 3.5 Flash 实现更快的性能，并利用模型上下文协议 (MCP) 实现跨各种 Google Cloud 服务的无缝数据访问和工具集成。
-
指南详述在 Google Cloud 上部署 ADK Agent
本文详细介绍了在 Google Cloud 环境中部署 ADK Agent（一个专为 AI 应用设计的系统）的过程。文章重点介绍了将 Agent Development Kit (ADK) 与 Model Context Protocol (MCP) 集成，并利用 Google Cloud Storage 和 Cloud Run 等服务构建安全且可观察的 Agent 架构。
-
托管的CloudOps、DevOps和MLOps构成企业IT支柱
企业通常面临运营挑战，而非独立的AI、云或MLOps问题。有效管理CloudOps、DevOps和MLOps对于支持现代企业IT基础设施至关重要。这些运营学科构成了集成和扩展先进技术的关键支柱。
-
计算机存储分级详解：从寄存器到云端
本文解释了计算机存储的七个级别，从CPU寄存器到云存储和磁带存储。它详细介绍了每个级别的独特速度、容量和功能。文章还涵盖了各种存储技术的优缺点。
-
Anyscale 使用 Alluxio 缓存将 AI 训练数据延迟降低 20 倍
Anyscale 通过将分布式缓存层 Alluxio 与其 Ray 平台集成，显著提高了 AI 训练数据读取速度。通过在与 Ray 集群共置的 NVMe SSD 上部署 Alluxio，基准测试显示跨区域数据访问延迟降低了 20 倍。该解决方案将数据本地缓存，消除了在训练周期和超参数扫描期间重复进行昂贵的跨区域传输的需要。
-
独立开发者详解 CineLog 的本地优先架构和 LLM 用途
一位独立开发者详细介绍了 CineLog 的技术架构和开发过程。CineLog 是一款面向电影制作人的前期制作软件。该应用程序被设计为本地优先，可在离线状态下运行，同时在设备之间进行实时数据同步。开发者从 Linear 的同步引擎中汲取灵感，为 CineLog 构建了自定义同步机制，该机制将用户更改作为语义操作而非直接变异来处理。
-
ParaQuery 发布 GPU 加速的 Spark SQL，实现高性价比数据处理
初创公司 ParaQuery 推出了一个 GPU 加速的 Spark 和 SQL 数据处理解决方案。该平台旨在提供比 Google BigQuery 等现有解决方案更具成本效益和性能优势。ParaQuery 利用 NVIDIA 的 RAPIDS 技术来增强传统数据处理任务，创始人指出，人们常常误以为这些任务仅限于 AI 和图形处理。
-
Replit 为开发者推出对象存储
Replit 推出了新的对象存储服务，旨在帮助开发者轻松持久化非结构化数据，如媒体资源和用户上传的文件。该服务直接集成到 Replit 工作区，只需最少的配置即可在开发环境和已部署的应用中无缝使用。开发者可以使用 Python 和 Typescript 库与对象存储进行交互，其基础技术由 Google Cloud Storage 提供。
-
Replit在Google Cloud存储配置错误后恢复用户Secrets
Replit在12月12日至16日期间经历了一次数据丢失事件，其旧版repl.co静态托管上的用户Secrets和文件不可用。问题源于Google Cloud Storage配置的一次更新被误解，导致数据被驱逐。虽然所有已知的用户Secrets都已恢复，但Replit正在改进基础设施即代码的验证，并增强其存储系统以防止未来发生类似事件。
-
Replit 为 1 亿多个 Repl 推出强大的搜索引擎
Replit 推出了一个全新的、强大的搜索引擎，旨在帮助用户在 30 秒内找到平台内的内容。该引擎索引了包括 Repl、模板、代码、用户和社区内容在内的广泛项目。此举解决了用户的一个重大痛点，因为之前 80% 的用户因搜索功能无效而放弃使用。Replit 使用 Elasticsearch 进行索引，并使用 Apache Spark 构建数据管道来开发该搜索引擎，并计划将代码搜索功能扩展到所有 Repl 中的所有文件。