Google Research 宣布新一代联邦学习系统，利用可信执行环境（TEE）提供完全可验证、可审计的数据匿名化保证，Gboard 已率先采用。新系统由客户端加密上传与访问策略、基于 RAFT 共识的 KMS 密钥管理、用 Federated Language 编排的 TEE 训练循环以及加密恢复状态协同工作，训练时间从此前的 1-2 个月大幅缩短，同时模型准确率提升。
推荐理由：原文对比了新旧联邦学习系统在隐私可验证性与训练效率上的差异，读者可了解 TEE 如何移除对服务器运营方的信任依赖。
Google DeepMind 发布前沿模型 Gemini 4 Argon，面向真实软件工程、法律金融等企业知识工作与网络安全防御，可在长程复杂工作流中维持深度推理。
推荐理由：原文给出输出上限从 64K 提升到 1M token 的关键变化，并附上 Google 内部代码迁移与内存优化的量化结果，可据此判断长程任务工作流的改动幅度。
Multiverse Computing 发表论文 ProvenanceGuard，提出面向 MCP 智能体的来源感知事实性验证方法，专门检测事实成立但归属来源错误的跨来源混淆问题。
推荐理由：论文针对 MCP 智能体的跨来源混淆问题提出来源感知验证方法，在医疗测试中拦截了专家判定不应通过的 139 条声明里的 138 条。
Google DeepMind 宣布为 Private AI Compute 平台引入私密的服务端记忆层，让 AI 在跨设备间保持长期连续性的同时维持与端侧处理同级的隐私标准。
推荐理由：原文给出安全飞地、加密通道与设备端密钥相结合的架构细节，可迁移到其他需要云上持久记忆的隐私保护设计中。
Berkeley AI Research 提出 SPEX 与 ProxySPEX，利用稀疏性与低度性把交互发现转化为可解的稀疏恢复问题，将交互发现规模从数十扩展到数千个组件。