Google（谷歌） DeepMind（谷歌旗下人工智能研究机构） 与新加坡政府合作微调端侧 AI（人工智能） 反诈骗模型
Google（谷歌） DeepMind（谷歌旗下人工智能研究机构） 官方博客2026年10月14日称，其与新加坡政府科技局（GovTech Singapore）合作，将谷歌轻量级 Gemma 模型在新加坡本地诈骗对话数据上微调，构建可在设备本地运行的诈骗检测模型，部署时对话数据不出设备。
模型采用两阶段流水线：轻量分类器先低功耗筛选入站消息，再由微调后的 Gemma 模型分析更大范围对话快照确认威胁或排除误报。 该项目属公司官方口径，未披露准确率、误报率等定量指标。
据 Google DeepMind 官方博客（2026年10月14日）报道，Google DeepMind 与新加坡政府科技局（GovTech Singapore）合作，作为与新加坡政府国家 AI（人工智能） 伙伴关系（National AI Partnership）的一部分，将谷歌轻量级 Gemma 模型在新加坡本地诈骗对话数据上微调，构建端侧诈骗检测模型。
模型完全在设备本地处理对话数据，不依赖云端扫描； 检测到操纵性对话模式时在用户设备上触发实时警告，提示用户在分享敏感信息或资金前暂停。 部署采用两阶段流水线：第一阶段由轻量高效分类器以极低功耗筛选入站消息，第二阶段用微调后的 Gemma 模型分析更大范围对话快照以确认威胁或排除误报。
微调在新加坡政府科技局管理和维护的 GCP 环境中进行，训练严格排除私人或可识别个人信息，仅使用源自诈骗报告和情报源的匿名化数据集； 模型以合成对话和本地语料进行压力测试。 博客称，模型在应用中的部署将审慎分阶段推进并与新加坡政府合作；
部署后仅在用户同意且符合应用使用条款的情况下访问设备端对话，因模型完全在设备端运行，新加坡政府和谷歌均无法通过该部署访问用户对话。 该合作在新加坡国际网络周（SICW 2026）上展示，博客并称期待后续分享更多合作进展，以及探索类似技术在其他国家部署的可能性。
该项目的核心可核验点在于端侧运行与主权沙箱微调两项架构选择：对话内容不出设备，从设计上规避了云端扫描与端到端加密之间的冲突； 微调在新加坡政府科技局管理的 GCP 环境中完成、训练数据排除个人信息，界定了数据访问边界。 两阶段流水线（先轻量分类器、再较重模型确认）反映端侧部署对电池效率的约束。
博客未披露模型准确率、误报率或任何定量性能指标，也未给出具体部署时间表； 训练数据来自匿名化诈骗报告而非真实公民对话，可能限制其在真实对话分布上的泛化能力，这一点原文未讨论，属分析推断。
后续观察信号
- 该模型的具体性能指标（准确率、误报率）何时披露
- 主权沙箱模式在其他国家的复制情况
- 端侧模型微调的技术细节和模型大小
- 新加坡诈骗数据的具体构成和覆盖范围