跳到正文
#DeepMind
3月26日周四
3月25日周三
  1. Demis Hassabis

    Google DeepMind 宣布与 Agile Robots 建立研究合作，将 Gemini 基础模型集成至对方硬件平台，部署于工业场景解决复杂挑战，构建下一代更实用的机器人。

    引用Google DeepMind@GoogleDeepMind

    Google DeepMind 🤝 Agile Robots Our new research partnership will integrate the Gemini foundation models with their hardware to help build the next generation of more helpful and useful robots. Find out more → https://goo.gle/4lKu7de https://t.co/bzPUUvPiJp

  2. Google Developers Blog84

    用 Agent 技能弥合知识鸿沟

    Google DeepMind 开发出一项“Gemini API 开发者技能”，使智能体能够实时获取最新文档与 SDK 指导。评估结果显示，配备该技能后，gemini-3.1-pro-preview 模型的成功率从 28.2% 大幅跃升至 96.6%。这种轻量级方法通过赋予模型强大的推理能力并接入“事实来源”，有效解决了静态模型知识与快速演进的软件实践之间的脱节问题，显著消除了过时的编码模式。

    推荐理由：通过实时文档赋能模型，编码任务成功率飙升，开发者可借鉴优化AI工具。

3月23日周一
  1. Berkeley RDI：Blog

    OpenSage：自编程智能体生成引擎

    OpenSage是新一代Agent开发工具包，推动智能体开发从人工设计转向AI自主编程范式。该系统支持LLM自动构建智能体拓扑、动态编写管理工具（具备沙箱隔离与异步执行），以及维护分层图结构记忆系统。与现有方案需人工设计不同，OpenSage实现了拓扑、工具和记忆的全面AI自动化生成，并内置软件工程与安全工具套件。

3月21日周六
3月17日周二
  1. Google Research：Blog

    Google Research 在 The Check Up 分享：从医疗创新到真实世界临床场景

    Google Research 在 The Check Up 活动发布多项医疗 AI 进展。与 Fitbit 合作的 Personal Health Agent (PHA) 整合可穿戴设备数据提供个性化健康指导；乳腺癌检测 AI 在研究中识别出 25% 传统筛查漏检的间隔期癌症；多智能体系统 AMIE 已在 Beth Israel Deaconess Medical Center 开展临床测试，协助病史采集。同时推出 MedGemma 开放模型及 Health AI Developer Foundations (HAI-DEF) 赋能开发者，糖尿病视网膜病变筛查模型已服务超 100 万例，AI 正从实验室走向真实临床场景。

3月15日周日
  1. Demis Hassabis

    澳大利亚一位零生物学背景的科技人员花费 3000 美元为患癌救援犬测序肿瘤 DNA，借助 ChatGPT 和 AlphaFold 识别突变蛋白并设计定制 mRNA 疫苗，3 个月后获批注射使肿瘤减半、狗狗存活。一人配合 AI 工具即完成传统制药流程难以企及的成果，预示数字生物学将大幅加速疾病治疗。

    引用vittorio@IterIntellectus

    this is actually insane > be tech guy in australia > adopt cancer riddled rescue dog, months to live > not_going_to_give_you_up.mp4 > pay $3,000 to sequence her tumor DNA > feed it to ChatGPT and AlphaFold > zero background in biology > identify mutated proteins, match them to drug targets > design a custom mRNA cancer vaccine from scratch > genomics professor is “gobsmacked” that some puppy lover did this on his own > need ethics approval to administer it > red tape takes longer than designing the vaccine > 3 months, finally approved > drive 10 hours to get rosie her first injection > tumor halves > coat gets glossy again > dog is alive and happy > professor: “if we can do this for a dog, why aren’t we rolling this out to humans?” one man with a chatbot, and $3,000 just outperformed the entire pharmaceutical discovery pipeline. we are going to cure so many diseases. I dont think people realize how good things are going to get

3月13日周五
  1. Demis Hassabis

    AlphaEvolve 自动发现搜索算法，将 5 个经典 Ramsey 数的下界推进至十余年来首次更新。此前该领域依赖人工设计专门算法，此次突破标志着 AI 在极难组合数学问题上的重大进展。

    引用Pushmeet Kohli@pushmeet

    Happy to share new progress in AI for Maths @GoogleDeepMind . In extremal combinatorics, AlphaEvolve has helped establish new lower bounds for FIVE classical Ramsey numbers - a problem so challenging that even Erdős commented on its difficulty. Historically, computationally deriving these bounds required bespoke, human-designed search algorithms. For many of these bounds, the best previous results are at least a decade old. AlphaEvolve changes this by acting as a single meta-algorithm that automatically discovers the search procedures needed to find these new bounds. 📷

3月10日周二
3月9日周一
3月4日周三
3月2日周一
2月27日周五
2月17日周二
2月10日周二
1月30日周五
1月16日周五
2025年12月23日周二
  1. Saining Xie

    不想陷入哲学辩论，但这本书确实改变了我对这个话题的看法，让我更加谦逊。人类智能令人印象深刻，但称其为"通用"并不太客观。我的猫会不同意。 在我看来，人类智能更应被视为社会驱动的认知适应，而且我们仍不理解、也远未用当前 AI 复现的智能领域还有巨大 WORLD。 [引用 @demishassabis]：Yann 在这里完全错了，他把通用智能和 universal intelligence 混淆了。 大脑是我们在宇宙中所知最精致、最复杂的现象（迄今为止），而且它们实际上极其通用。 显然，没有人能规避 no free lunch theorem，因此在实际且有限的系统中，总是必须围绕正在学习的目标分布有一定程度的专门化。 但关于通用性的要点在于，理论上，在 Turing Machine 的意义上，这种通用系统的架构能够在给定足够时间和内存（以及数据）的情况下学习任何可计算的东西，而人脑（和 AI foundation models）是近似 Turing Machines。 最后，关于 Yann 对国际象棋棋手的评论，人类竟然能发明国际象棋（以及现代文明的所有其他方面，从科学到 747s！），更不用说像 Magnus 这样的人能下得如此出色，这本身就令人惊叹。他可能不是严格最优的（毕竟他有有限的记忆和有限的决策时间），但考虑到我们的大脑是为狩猎采集而进化的，他以及我们能用大脑做到这些，实在令人难以置信。

    引用Demis Hassabis@demishassabis

    Yann在这里完全说错了，他把通用智能和万能智能混为一谈了。 大脑是我们在宇宙中（迄今为止）所知的最精妙、最复杂的现象，而且它们事实上极其通用。 显然，人们无法绕过“没有免费午餐”定理，因此在一个实际且有限的系统中，总得围绕所学习的目标分布存在某种程度的专门化。 但关于通用性的要点在于，从理论上讲，在图灵机的意义上，这样一个通用系统的架构能够在给定足够时间、内存（和数据）的情况下学习任何可计算的东西，而人脑（以及AI基础模型）都是近似的图灵机。 最后，关于Yann对国际象棋棋手的评论，令人惊叹的是人类竟然能首先发明国际象棋（以及现代文明从科学到747飞机的所有其他方面！），更不用说像Magnus这样的人能把它下得如此出色。他可能并非严格意义上的最优（毕竟他的记忆有限，做决定的时间也有限），但考虑到他和我们的大脑是为狩猎采集而进化出来的，我们能用大脑做到的事情实在令人难以置信。

    推荐理由：顶级科学家对AGI本质的深刻思辨，重新定义通用智能的边界与局限

2025年12月16日周二
2025年12月10日周三
2025年12月9日周二
2025年12月5日周五
2025年11月26日周三
2025年11月25日周二
2025年11月24日周一
2025年11月20日周四
  1. Google DeepMind：Blog

    Gemini 应用新增 AI 图像验证功能，可识别 SynthID 水印

    Google 在 Gemini 应用中上线 AI 图像验证工具，用户上传图片即可查询是否由 Google AI 生成或编辑。该功能通过检测 SynthID 数字水印实现，该技术已应用于超 200 亿个 AI 生成内容。未来验证范围将扩展至视频和音频，并支持 C2PA 内容凭证标准。本周起，Nano Banana Pro（Gemini 3 Pro Image）在 Gemini、Vertex AI 和 Google Ads 中生成的图像将嵌入 C2PA 元数据，未来还将支持验证 Google 生态系统外的模型生成内容。

  2. Google DeepMind：Blog

    Google DeepMind 发布 Nano Banana Pro 图像生成模型

    Google DeepMind 发布 Nano Banana Pro 图像生成模型，基于 Gemini 3 Pro 构建，支持多语言可读文本直接渲染，可结合 Google Search 实时信息生成信息图表。该模型支持 14 张图像融合，保持 5 个人物形象一致性，输出 4K 分辨率。现已集成至 Gemini 应用、Google Ads、Google AI Studio 等产品，所有生成内容均嵌入 SynthID 水印以确保透明度。

    推荐理由：Google 发布 Nano Banana Pro 图像生成模型，支持多语言文本渲染与 4K 输出

2025年11月17日周一
2025年11月13日周四
2025年11月11日周二
2025年11月6日周四
2025年10月29日周三
2025年10月26日周日
  2. Google DeepMind：Blog

    MedGemma：健康 AI 开发领域最强的开源多模态模型

    谷歌 MedGemma 系列新增多模态模型，专为健康 AI 开发设计。作为该系列迄今最强的开源版本，新模型具备更强大的医疗场景理解能力，为开发者提供先进的医疗人工智能技术支持，助力构建更精准的健康医疗解决方案。

    推荐理由：DeepMind发布最强开放医疗多模态模型，支持开发者微调构建健康AI应用

2025年10月25日周六
2025年10月24日周五