全球人工智能——2026年6月18日最重要的事件

今天的每日人工智能世界简报汇集了来自世界主要地区关于人工智能最重要的消息。重点关注商业应用、监管、安全和人工智能模型的开发。 欧洲 《2026年数字十年报告》显示进展，但敦促弥补结构性差距以实现2030年目标 欧盟委员会发布了“2022年数字十年状况”报告 为什么这很重要： 值得关注此信息对市场、监管和人工智能用户的影响。 来源： 欧盟人工智能法案 (2026年6月17日) 使用可解释人工智能（XAI）分析欧洲电力市场的驱动因素和相互依赖性 研究人员应用了可解释人工智能（XAI）技术来分析影响因素 为什么这很重要： 是。5.

提及商业或社会影响：是。6.

保持事实准确性：是。7.

只返回波兰语：是。8.

不返回HTML：是。9.

输出格式：标题、摘要、重要性分析：该论文使用XAI（可解释人工智能）分析了跨越39个竞价区的欧洲电力市场。它解决了用于价格预测的深度学习模型的黑箱性质。主要发现是，可再生能源（尤其是太阳能）起着不成比例的大作用，天然气 来源： arXiv AI (2026年6月18日) 您的 AI 旅行代理会为您预订斗牛：前沿 AI 模型中隐性动物福利的代理基准测试 研究人员介绍了 TAC 基准，用于测试 AI 代理避免...

为什么这很重要: 值得关注此信息对市场、监管和 AI 用户的影响。 来源: arXiv AI (2026年06月18日) 马克龙呼吁全球 AI 规则，警告风险 - NST Online 马克龙呼吁全球 AI 规则，警告风险 NST Online 为什么这很重要: 值得关注此信息对市场、监管和 AI 用户的影响。 来源: Google News AI Europe (2026年06月18日) 北美 PSyGenTAB：一种通过约束优化生成合成临床表格数据的隐私保护框架 arXiv:2606.18518v1 发布类型：跨领域 摘要：由于机构孤岛和像 HIPAA 和 GDPR 这样严格的隐私法规，医疗人工智能的发展受限于高质量临床数据的获取。合成数据生成提供了一种潜在的解决方案，但现有方法缺乏明确管理隐私-效用权衡的原则性机制，往往会降低具有临床意义的模式或有重新识别患者的风险。我们提出了 PSyGenTAB，一个保护隐私的生成框架，它将合成医疗数据生成构建为一个约束优化问题，并使用增广拉格朗日方法解决。通过将可配置的隐私约束直接嵌入模型训练中，PSyGenTAB 在最大化临床数据效用的同时强制执行最低隐私阈值。在多个具有临床动机的基准测试中，PSyGenTAB 保留了对可靠健康人工智能至关重要的特征间临床关系和少数类诊断模式。使用“在合成数据上训练、在真实数据上测试”和“在真实数据上训练、在合成数据上测试”协议进行的下游评估表明，在合成数据上训练的模型达到了与在真实患者记录上训练的模型相当的性能。隐私审计进一步证明了精确记录重现性的降低以及对成员推断攻击的强大抵抗力。这些结果确立了 PSyGenTAB 作为平衡合成医疗数据中隐私保护和临床效用的原则性框架，支持安全的跨机构人工智能开发。 重要性： 此信息可能影响 AI 解决方案的采用、监管或安全性。 来源： arXiv AI (2026年6月18日) AI 沙箱：威胁模型、分类法和度量框架 arXiv:2606.18532v1 发布类型：跨领域 摘要：人工智能系统越来越多地在结合了隔离、模拟、仪器仪表、监督和证据捕获的受限环境中进行评估。对于物理AI、AIoT和信息物理系统，这种转变不仅仅是术语问题：被测系统可能通过物理过程、网络设备和人工操作员来感知、决策、执行动作、通信和发生故障。本文提出了一个面向保证性的论述，将AI沙箱视为用于数字AI、具身自主性和信息物理部署的测试、评估、验证和确认的受控环境。我们形式化了沙箱边界和一个最弱环节规则，用于将跨维度的证据组合成有界部署声明；提出了几种主要的沙箱原型；定义了一个包含对保证机制本身攻击的信息物理威胁模型；并引入了一个横跨保真度、可控性、可观测性、隔离性、可重现性和治理工件的度量框架，并在三个真实沙箱的工作案例研究中进行了实例化。由此产生的威胁模型、分类法和度量框架阐明了沙箱可以有效测试什么、它可以包含哪些风险，以及它为安全、安全性和监管保证可以支持哪些形式的证据。 重要性： 此信息可能对AI解决方案的采用、监管或安全性具有重要意义。 来源： arXiv AI (2026年6月18日) 语言模型作为接口，而非神谕：一种用于儿科阑尾炎的混合LLM-ML系统 arXiv:2606.19183v1 发布类型：跨摘要：大型语言模型（LLMs）可以通过解释自由文本记录使临床决策支持更易于获取，但它们作为诊断引擎的直接使用受到对提示、信息顺序和貌似合理但错误的输出的敏感性的限制。结构化机器学习模型提供了更稳定的风险预测，但它们需要难以与叙述性临床工作流程集成的表格输入。我们提出了 ClaMPAPP（用于阑尾炎的临床语言辅助机器学习流程），这是一个混合系统，它使用LLM作为接口而不是最终决策者。ClaMPAPP从类似笔记的叙述中提取受模式约束的临床特征，应用确定性的合理性检查，并将经过验证的特征传递给一个在临床、实验室和超声变量上训练的XGBoost分类器。W 重要性： 是。6.

提及商业或社会影响：是。7.