全球人工智能——2026年7月13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、法规、安全和人工智能模型的开发。 欧洲 一个面向德语和英语的主权开源基础模型 arXiv:2607.09424v1 发布类型：跨领域 摘要：我们推出了 Soofi S 30B-A3B，这是一个用于德语和英语的主权、开源的混合专家（MoE）混合 Mamba Transformer 基础模型。其混合设计每个 token 只激活 3B 个参数（总共 30B），并且随着上下文的增长，推理缓存保持接近恒定，这使其在长上下文、高并发部署方面比密集模型具有决定性的吞吐量优势。Soofi S 在大约 27 万亿个 token 上预训练，并特意提高了德语权重，因此在综合英语和德语基准测试中与密集的 14B 至 27B 模型相当，同时在 17 个开源基础模型中实现了最佳的代码聚合性能，并且优于我们比较中的所有欧洲主权基线，包括那些活动参数规模大得多的模型。在完全开放的模型中，Soofi S 在英语和德语的评估得分最高，超过了 Olmo 3 32B 和 Apertus 70B。Soofi S 是在德国电信在慕尼黑运营的一个主权 HPC 级人工智能基础设施——德国工业人工智能云上端到端构建的。Soofi S 将根据高度宽松的开放访问条款发布：包括权重、选定的中间检查点、完整的每源数据核算、超参数以及训练和评估代码。在源许可允许的情况下，数据构建工件将根据宽松许可证发布；商业许可的来源会记录聚合统计数据和精确的混合核算。 重要性： 此信息可能对 AI 解决方案的采用、监管或安全性产生影响。 来源： arXiv AI (2026年7月13日) 法律判决预测中的捷径学习：来自英国劳动法庭的实证证据 arXiv:2607.04261v2 发布类型：替换 摘要：当前的法律判决预测 (LJP) 受限于其对事后司法材料的依赖，这增加了模型执行回顾性分类而非真正预测的可能性。本文通过研究英国劳动法庭 (UKET) 裁决中的索赔级别结果预测，实证调查了这种背景下的捷径学习。我们使用包含 33,158 起个人索赔的语料库，从索赔文本和 LLM 提取的案例摘要中预测结果，评估的模型范围从可解释的基于 TF-IDF 的分类器到黑箱 LLM。虽然标题预测性能数字看起来很强劲，但我们证明了在用事后司法文本训练的 LJP 系统中的此类性能可能是由源材料的回顾性性质驱动的。根据人类对泄露情况的判断对测试数据进行分层分析揭示了 重要性： 值得关注此信息对 AI 市场、监管和用户的潜在影响。 来源： arXiv AI (2026年7月13日) 欧盟委员会发布网络安全和人工智能行动计划 - Wired-Gov 欧盟委员会发布网络安全和人工智能行动计划 Wired-Gov 重要性： 值得关注此信息对市场、监管和人工智能用户的影响。 来源： Google News AI Europe (2026年7月13日) Sixth Street’s Chavez Says U.S.

AI Regulation Has a Big Problem - Memeburn Sixth Street’s Chavez Says U.S.

AI Regulation Has a Big Problem Memeburn 重要性： 是的。6.

提及商业或社会影响：是。7.

保持事实准确性：是。8.

只返回波兰语：是。9.

不返回 HTML：是。10.

输出格式（标题、摘要、重要性）：是。来源分析：- 文章标题：Sixth Street’s Chavez Says U.S.