Google DeepMind 與新加坡政府科技局（GovTech）於 10 月 14 日公布一款模型，可在手機訊息對話中尋找操縱手法。其設計先快速檢查一般訊息，再把可能可疑的內容交由微調過的 Gemma 模型深入分析。合作方表示，這種方式可在對話進行時提醒使用者，而不必把對話傳到伺服器分析。他們尚未公布消費者版的推出計畫或偵測結果。
重大變化
- 有哪些改變：DeepMind 與 GovTech 描述一套兩階段的裝置端詐騙偵測器：輕量分類器先篩查收到的訊息，若第一階段發現疑慮，再由微調過的 Gemma 模型檢視更多對話內容。偵測到威脅時，手機會顯示警告。
- 為何重要：這項設計希望在裝置上執行推論，同時檢查私人訊息對話中的操縱手法。第一階段也能減少較耗資源的情境模型啟動次數。這些是合作方描述的設計選擇，並非經測量的隱私、電池續航或防詐成效。
- 後續觀察：若要了解模型離開合作方所述研發環境後的表現，還需要推出方式、支援裝置，以及漏報、誤報、速度和耗電量的公開測試。公告並未提供這些資訊。
對話分析前的快速篩查
在DeepMind 的專案說明中，輕量分類器以低耗電方式篩查收到的訊息。若判定訊息無害，流程便在此結束；若可能有威脅，微調過的 Gemma 模型會分析更大範圍的對話快照，接著排除疑慮或發出詐騙警示。警示會建議使用者在分享金錢或敏感資訊前先停下來確認。
第二階段很重要，因為單一訊息可能看不出對話中逐漸形成的操縱手法。DeepMind 表示，模型使用涉及冒充公共機構、銀行和地方人士，以及區域性詐騙手法的本地對話進行微調。公告沒有說明 Gemma 的確切版本或大小、第一階段分類器的架構、多少訊息會進入第二階段，或警告門檻為何。缺少這些細節，就無法只根據公告評估耗電與準確度之間的取捨。
DeepMind 將這套系統定位為可供採用端對端加密的通訊服務。在這種情境下，服務無法直接在伺服器上檢查加密訊息內容。合作方表示，模型會在裝置上處理對話。這是對所提推論流程的具體說法；公告沒有提供獨立隱私稽核，也未說明未來應用程式可能透過其他功能蒐集哪些資料。
雲端訓練與本機推論是不同步驟
此專案的訓練確實使用雲端基礎架構。DeepMind 表示，微調是在由 GovTech 管理維護的 Google Cloud 環境中進行，訓練資料也隔離存放。該公司稱已排除私人及可識別個人身分的資訊，並將來自詐騙通報與情報來源的資料集匿名化。合作方也表示，他們以合成對話和本地語料進行測試。公告未提供資料處理方法、測試流程或數值結果，因此這些仍是合作方對其流程的描述。
這個開發環境不應與提議中的日常運作方式混為一談。據稱，訊息篩查和 Gemma 的情境推論會在手機本機執行，並在手機上顯示警告。使用雲端微調本身不代表使用者的即時對話會傳送到 GovTech 的訓練環境。同樣地，合作方所稱的裝置端處理，也無法證明尚未公布的消費者整合會如何處理資料。
DeepMind 表示，這項工作已在 Singapore International Cyber Week 發表，通訊平台和作業系統廠商可能整合這些模型。公告沒有指出會整合的服務、應用程式或作業系統版本，也未列出支援手機、提供微調後的模型權重、報價或發布日期。合作方所述壓力測試不是獨立的實地評估。這項有用進展是清楚描述一種在本機檢查詐騙對話的架構；實際上能否提供可靠警示仍待驗證。
來源與延伸閱讀
- Google DeepMind 公告，2026 年 10 月 14 日：兩階段流程、Gemma 微調、提議的裝置端警告、GovTech 管理的雲端訓練，以及合作方對治理和測試的說法。這是專案團隊的敘述，未公開準確度、延遲、耗電或推出資訊。
- 新加坡 MDDI 國家 AI 夥伴關係公告，2026 年 5 月 20 日：Google 與新加坡合作的背景。此來源未記錄詐騙模型的效能或可用性。
