商傳媒｜責任編輯／綜合外電報導
ModelBest 於 3 月 19 日正式推出其仿生 AI 代理硬體產品 EdgeClaw Box，強調在安全性、易用性及開箱即用等方面的優勢。此產品與清華大學及 OpenBMB 社群合作，並同時開源了升級版 EdgeClaw 軟體框架。ModelBest 目的在於強化邊緣雲協作能力，以因應 AI 代理應用快速發展的趨勢，保護營運技術 (Operational Technology, OT) 用戶與資料敏感型企業。
過去部署這類「仿生」AI 產品，常面臨技術門檻高、Token 消耗大以及資料安全等挑戰。尤其資料安全問題，一直是阻礙 OT 用戶採用主流 AI 代理工具的主要障礙。EdgeClaw Box 透過優先考量資安，內嵌領先的 AI 代理執行框架 EdgeClaw，使其能同時在本地運行模型與代理，有效解決上述問題。
在架構上，EdgeClaw 改善了 OpenClaw，克服其在本地部署與資料保護方面的限制。它支援主流雲端模型，同時整合 ModelBest 自家的邊緣側 MiniCPM「小加農」系列模型。這讓簡單任務可在完全離線、本地環境中執行，實現零 Token 消耗，即使沒有網路連線也能運作。
EdgeClaw 的一大創新是其自主開發的隱私路由中介層。透過在 OpenClaw 執行管線中插入 Hook，EdgeClaw 能自動將用戶訊息、工具參數及代理輸出分級為三種安全等級：S1（預設模式，資料在雲端處理）、S2（去識別化模式，敏感資料自動遮罩後送往雲端處理），以及 S3（安全模式，資料完全在本地處理與物理隔離，使用預裝的 MiniCPM 模型）。同時，EdgeClaw 維持雙軌記憶體系統，確保雲端模型僅能存取去識別化的對話歷史，而本地模型則保留完整資料，避免透過上下文視窗導致隱私洩露。
EdgeClaw 延續了成熟的 OpenClaw 架構，包含輸入層（如微信、飛書、Telegram）、排程層（與模型無關的 LLM 大腦）、執行層（如瀏覽器操作、檔案處理、API 呼叫）以及技能生態系統。在此基礎上，它新增了自動安全分類、整合 MiniCPM 大型語言模型，並與 EdgeClaw Box 硬體緊密整合，提供開箱即用且高度安全的體驗。目前，EdgeClaw Box 已深度相容於多款主流硬體，包括 ModelBest 的 Pinea Pi、NVIDIA DGX Spark 及 Apple Mac Mini，用戶無需自行安裝設定，即使是非技術性的 OT 用戶也能立即部署 AI 代理。
ModelBest 將 EdgeClaw Box 形容為專為 OT 領域打造的「AI 代理載具」，具備四大優勢：多樣性（支援多種裝置、模型及通用與產業專用技能）、快速（隨插即用）、安全性（資料保留在本地，保護商業機密）與效率（簡單任務由本地模型處理，零 Token 消耗；複雜任務可利用雲端模型）。ModelBest 已承諾將 EdgeClaw 開源，並展望 2026 年，期望每個人都能擁有在地、由用戶自主控制，而非鎖定在大型科技伺服器中的「仿生」AI 代理。
商傳媒｜林昭衡／綜合外電報導 隨著人工智慧技術快速發展，OpenAI 的 ChatGPT 和 Anthropic 的 Claude 等大型語言模型（LLMs）已進化為多模態 AI，不僅能處理文字，還能分析圖像，甚至從文字描述生成圖片。然而，學術界對此一進步也提出擔憂，指出這些模型存在「視覺幻覺」（Visual Hallucinations）問題，即 AI 在圖像處理過程中可能生成看似合理但實際錯誤或荒謬的輸出。 根據知名學術期刊《Communications of the ACM》的報導，諾丁漢大學（University of Nottingham）電腦視覺副教授 Michael Pound 指出，LLMs 經過大量文本與影像資料訓練，由於缺乏對「真理」的明確規範，其輸出往往僅具統計學上的合理性，而非真實。加州柏克萊人工智慧研究實驗室（University of California Berkeley Artificial Intelligence Research lab, BAIR）的博士後研究員 David Chan 也提到，儘管人類也會有類似錯誤，但大眾期望 AI 模型的表現應優於人類。 「視覺幻覺」對自動駕駛車與安全監控影像分析等關鍵應用領域構成嚴重挑戰，可能損害大眾對 AI 的信任度。例如，當背景資訊與圖像內容矛盾時，幻覺現象會更頻繁。Michael Pound 舉例說明，醫學影像分析若受其他病患資料影響，AI 可能因此忽略圖像中實際存在的疾病跡象。他強調，對於盲人輔助科技等使用者無法自行驗證輸出的情境，AI 模型的精確度至關重要，任何錯誤都可能帶來風險。 研究人員正積極探討視覺幻覺的根本成因，認為這與生成式 AI 模型作為仰賴機率的「預測引擎」本質息息相關。目前，除了針對特定任務的影像資料進行模型微調（fine-tuning），並在如自動駕駛車中導入光達（LiDAR）等多餘感測器以彌補錯誤外，現有的後驗證（post-hoc verification）方法也面臨效率低落的問題，因為它需要額外的 AI 模型來檢查輸出，過程緩慢且僅能拒絕錯誤回應，無法直接修正。 為提升驗證效率，新的「REVERSE 框架」被提出，它能在 AI 生成回應的過程中同步檢查幻覺。此框架透過訓練模型將詞語分類為「自信」或「不自信」，並在生成影像描述時給予每個詞彙信心評分，從而實現即時修正。David Chan 形容這是一種「推論技巧」，能讓部署中的系統根據預期的錯誤率來進行應對。未來研究則將聚焦於從源頭防止 AI 模型產生幻覺，並探索視覺推理（visual reasoning）而非純文本推理，透過讓模型分析圖像的幾何與外觀，來提高其精準度、理解基礎及可解釋性。
圖／本報資料庫 商傳媒｜林昭衡／綜合外電報導 隨著生成式人工智慧（AI）工具的普及，許多企業起初不設限制地採購與導入 AI 系統。然而，這波熱潮如今卻讓企業開始正視其背後潛藏的法律風險，特別是在訴訟或調查過程中，AI 系統資料的保存問題日益凸顯。 在昨日舉行的法律科技會議 ILTACON 首日議程中，與會者便將焦點放在 AI 採購後的資料保存挑戰。ILTACON 是一個專為法律專業人士舉辦的年度技術會議，旨在探討法律領域的科技應用與趨勢。會中指出，如同大學生在派對上恣意拿取飲料，許多企業在面對 AI 浪潮時，也曾不加思索地大量引進新工具與系統。 隨著 AI 系統逐漸成為企業日常營運的一部分，相關的法律風險浮出檯面。企業必須開始思考如何妥善儲存 AI 系統產生的資料，以應對未來可能的法律訴訟或內部調查。例如，若有合成媒體（synthetic media）作為證據提交，透過正確儲存後設資料（metadata，即描述資料本身的資訊，如創建時間、來源、格式等），將有助於辨識其真偽。 為因應這項需求，市場上的供應商也正逐步推出相關工具，協助企業蒐集、保存並分析 AI 系統中的資料，例如 Thomson Reuters、律商聯訊（Lexis）等公司都提供此類服務，產品包含 Thomson、CoCounsel、Lexis+、Protégé 等。Reveal、Newcode 和 Relativity 等科技公司亦投入開發相關解決方案。
《圖說》國會民主研習戰鬥營學員們激烈攻防辯論戰。 【民眾網諸葛志一台中報導】立法院115年度國會民主研習戰鬥營於24日至25日在立法院民主議政園區辦理，來自全國各大專校院的青年學員齊聚臺中霧峰，立法院民主議政園區在原臺灣省議會議事堂，透過國會議事、人工智慧、媒體傳播、國際政治及議題攻防等多元課程，實際走進議事殿堂，深入認識國會運作及民主政治精神。 立法院中南部服務中心主任邱俊龍表示，立法院民主議政園區目前具體發展定位為落實「民主教育會展中心」的推動，今年立法院也編列預算辦理原省議會議事堂相關設備及公共服務設施之全面整修，結合園區歷史建築、議事設備、民主教育及情境模擬，立法院民主議政園區將成為「全國第一座議事教育實境模擬場域」。 《圖說》立法委員廖偉翔（右）、臺中市政府副秘書長林谷龍（中）與學員們交流。 今年民主戰鬥營最具特色的課程，是將成果發表及辯論攻防移至原臺灣省議會議事堂辦理。學員實際坐進議席、使用議事設備，分別扮演民意代表及相關議事角色，從議題分析、論述建構、政見發表到質詢答辯，完整體驗議事運作及公共政策辯論過程。 本屆戰鬥營亦開創傳承與菁英制的青年培育模式，發掘具有公共參與熱忱、民主素養、政策思辨、表達能力及領導潛力的優秀青年，逐步建立國會民主研習戰鬥營菁英人才資料庫名單，形成國會民主教育青年人才網絡。 《圖說》立法院國會民主研習戰鬥營在立法院民主議政園區舉行。 立法院中南部服務中心表示，透過近期活化整建，民主議政園區已成為全國舉辦民主教育營隊的選擇熱點。除了大專青年培育，近年也積極推動友善兒少及分齡民主教育。立法院中南部服務中心持續與鄰近大專校院合作，訓練青年志工，並共同設計適合不同年齡層的民主與議事教育課程。目前已逐步發展「小小議長營」、「青春議事槌」及「國會民主研習戰鬥營」等系列品牌，從國小、高中一路延伸至大專青年，建立不同學習階段的民主教育路徑，讓民主素養從兒童及青少年階段向下扎根。 立法院中南部服務中心表示，民主議政園區承載臺灣省議會數十年的議政歷史，未來將持續以民主教育會展中心為發展方向，使珍貴的民主歷史記憶轉化為青年教育及公共參與資源，讓民主議政園區不僅成為保存臺灣民主歷史的重要基地，更成為培養新世代公民領袖及實踐民主價值的教育場域。 《圖說》立法院中南部服務中心主任邱俊龍為學員們加油打氣。
