←搜索结果

搜索“DeepMind”

按匹配度 · 共 607 条结果 清除搜索

星期五

  1. Google DeepMind精选

    Decoupled DiLoCo：面向大规模弹性分布式 AI 训练的新架构

    Google DeepMind 推出 Decoupled DiLoCo，通过异步连接相互解耦的计算“岛”，以较低带宽跨远程数据中心训练大语言模型，并隔离硬件故障。团队使用 2-5 Gbps 广域网络，在美国四个地区完成 120 亿参数模型的预训练，速度较传统同步方法快 20 倍以上。Gemma 4 测试显示，该架构在故障下保持更高可用性，并达到与传统训练相同的基准性能。

    Three side-by-side bar charts comparing Data-Parallel (gray) and Decoupled DiLoCo (blue) across three metrics. "Required Bandwidth" on a logarithmic scale shows Data-Parallel at 198 Gbps and Decoupled DiLoCo at 0.84 Gbps across 8 datacenters. "Goodput" shows Data-Parallel at 27% and Decoupled DiLoCo at 88% under high rates of hardware failure. "ML Benchmarks" shows average accuracy at 64.4% for Data-Parallel and 64.1% for Decoupled DiLoCo.

    Google DeepMind 推出 Decoupled DiLoCo，通过异步连接相互解耦的计算“岛”，以较低带宽跨远程数据中心训练大语言模型，并隔离硬件故障。团队使用 2-5 Gbps 广域网络，在美国四个地区完成 120 亿参数模型的预训练，速度较传统同步方法快 20 倍以上。Gemma 4 测试显示，该架构在故障下保持更高可用性，并达到与传统训练相同的基准性能。 · Google DeepMind introduced Decoupled DiLoCo, which asynchronously connects decoupled compute “islands” to train LLMs across distant data centers with lower bandwidth while isolating hardware failures. The team pretrained a 12-billion-parameter model across four U.S. regions using 2-5 Gbps wide-area networking,

    匹配字段摘要、正文

    #lab#论文/研究#数据/训练#部署/工程

星期四

  1. One Useful Thing

    Ethan Mollick：AI 智能体时代，我们已能看清「Thing」的轮廓

    Ethan Mollick 认为，自 2025 年底起 Claude Code、OpenAI Codex、OpenClaw 等 AI 智能体让人类从与 AI 协作转向管理 AI，进入新阶段。他引用 METR 长任务曲线、GPQA（最强 AI 得分 94%）、GDPval（最新 AI 在 82% 场景达到或超过顶尖人类）等基准，说明 AI 能力仍在指数级提升。他以 StrongDM 三人团队打造的 Software Factory 为例，该模式规定代码不得由人类编写或审查，每位工程师每天在 AI token 上的花费至少 1000 美元。他还提到 2 月 22 日 Citrini Research 的虚构报告引发市场波动、2 月 26 日 Block 宣布 40% 裁员、2 月 27 日五角大楼与 Anthropic 就 Claude 使用规则发生冲突，认为这一周预示了 AI 能力、市场、就业与政策交织的未来。Anthropic 的 Dario Amodei、OpenAI 和 Google DeepMind 的 Demis Hassabis 均提及递归自我改进（RSI）正在推进。

    匹配字段摘要

    #newsletter#现象/趋势#Agent#编码
  2. Google Research精选

    Google 在 Flood Hub 上线城市山洪预报，提前 24 小时预警

    Google 宣布在 Flood Hub 上线城市山洪预报，可提前最多 24 小时预测城市山洪风险。该模型用 Groundsource 方法借助 Gemini 从公开新闻报道中提取历史山洪事件作为训练数据，弥补地面观测站缺失，输入仅依赖全球气象产品与 ECMWF、Google DeepMind 的天气预报，当前空间分辨率为 20x20 公里，覆盖人口密度大于每平方公里 100 人的区域。Google 称在南美、东南亚等全球南方地区，模型的精确率与召回率与富裕国家相当，并计划继续提升对农村地区的泛化能力。

    Protecting cities with AI-driven flash flood forecasting

    匹配字段摘要、正文

    #lab#行业动态#多模态#Google

星期二

  1. METR Blog

    前沿 AI 安全政策的共同要素（2025 年 12 月更新）——METR

    METR 发布《前沿 AI 安全政策的共同要素》2025 年 12 月更新版，目前已有 Anthropic、OpenAI、Google DeepMind、Meta、xAI、Nvidia 等 12 家公司发布前沿 AI 安全政策。报告梳理了各政策中的能力阈值、模型评估、模型权重安全与部署缓解措施，并新增对 EU AI Act 通用 AI 行为准则和加州 Senate Bill 53 相关指引的引用。

    匹配字段摘要、正文

    #safety#安全/对齐#OpenAI#Anthropic

星期五

  1. METR Notes

    METR 复现 GDM 研究：Claude、GPT、Gemini 都难以躲过 CoT 监控

    METR 复现并扩展了 Google DeepMind 论文（Emmons 等）第 5 节的实验，用 Claude 4 Sonnet、Claude 3.7 Sonnet、GPT-4o 作为 actor 模型，GPT-4o、GPT-4o-mini、o3、Gemini 2.0 Flash、Gemini 2.5 Pro 作为监控模型，测试模型能否在掩盖真实学科推理的同时躲过监控。结果显示，开启推理模式后，模型的推理轨迹几乎 100% 会先说出自己的掩盖计划，从而被监控模型直接抓住；在需要 CoT 才能解题的 152 道 GPQA 扩展题上，模型也难以在不损失准确率的情况下躲过监控。由于原论文未提供源码，METR 用 Inspect 开源复现了第 5 节，代码和对话记录已发布在 GitHub。

    匹配字段摘要

    #company#论文/研究#安全/对齐#推理

星期二

  1. METR Blog

    METR：为什么 AI 推理应当可读且忠实

    METR 发文主张 AI 系统的推理过程应当既「可读」（人类能读懂）又「忠实」（真实反映模型的决策过程），认为这有助于发现 AI 错误、检测隐藏议程、监控欺骗行为和识别能力造假。文章指出 OpenAI、Anthropic、xAI、Google DeepMind 和 DeepSeek 都在过去四个月里发布了推理模型，其当前产出的推理已具价值、值得保留。

    匹配字段摘要、正文

    #safety#安全/对齐#推理#Anthropic

星期四

  1. Prime Intellect

    Prime Intellect 开源 OpenDiLoCo，实现跨洲分布式低通信训练

    Prime Intellect 开源 OpenDiLoCo，这是 DeepMind DiLoCo 低通信分布式训练方法的可复现实现，代码基于 Hivemind 与 PyTorch FSDP，已发布在 GitHub。团队在加拿大、芬兰和美国两地共四个 DiLoCo worker（各 8 张 H100）上训练 1.1B 参数模型，跨两大洲三国，计算利用率保持 90-95%，all-reduce 仅占训练时间 6.9%。相比原论文 400M 参数规模，该方法被扩展到 1.1B 参数，并验证伪梯度可用 FP16 all-reduce 而不损失性能。

    OpenDiLoCo: An Open-Source Framework for Globally Distributed Low-Communication Training

    匹配字段摘要、正文

    #company#开源/仓库#数据/训练#部署/工程

星期二

  1. Prime Intellect

    Prime Intellect 谈全球分布式训练的最新技术

    Prime Intellect 发布文章，探讨如何在全球分布式 GPU 集群上训练大模型，以应对闭源阵营动辄数十万块 H100 的算力优势。文章梳理了数据并行、张量并行、流水线并行三种基础方法，并重点介绍 Google DeepMind 的 DiLoCo：每 500 步才同步一次梯度，把 1B 模型 2GB 梯度的 16 秒通信摊到数分钟计算中，同时提升对异构硬件和节点增减的容错能力。

    State-of-the-Art in Globally-Distributed Training

    匹配字段摘要、正文

    #company#教程/实践#数据/训练#部署/工程

星期三

  1. 事件1 条新闻 · 1 个事实

    Google DeepMind为Antigravity推出化学信息学技能

    2026年11月3日,Google DeepMind为Google Antigravity发布一套化学信息学技能(Cheminformatics Skills)。该技能基于RDKit,接入ChEMBL与PubChem,由语言模型负责任务编排与科学推理,确定性化学工具执行分子计算。以肺癌药物为例,智能体在约一小时内检索数千个化合物、完成匹配分子对分析并训练效力预测模型,还提出带合成路线的新型刚性化大环分子设计。Google DeepMind同时说明,稀疏数据、实验室间检测噪声和窄动态范围会限制预测精度,计算设计只是可验证的假设,仍需实验合成验证。该技能已在Antigravity上线,安装Science插件即可使用,并向1万名科学家提供6个月最高用量档免费名额。

    匹配字段标题

星期二

  1. 事实所属事件

    Google DeepMind为Antigravity推出化学信息学技能

    2026年11月3日,Google DeepMind为Google Antigravity发布一套化学信息学技能(Cheminformatics Skills)。该技能基于RDKit,接入ChEMBL与PubChem,由语言模型负责任务编排与科学推理,确定性化学工具执行分子计算。以肺癌药物为例,智能体在约一小时内检索数千个化合物、完成匹配分子对分析并训练效力预测模型,还提出带合成路线的新型刚性化大环分子设计。Google DeepMind同时说明,稀疏数据、实验室间检测噪声和窄动态范围会限制预测精度,计算设计只是可验证的假设,仍需实验合成验证。该技能已在Antigravity上线,安装Science插件即可使用,并向1万名科学家提供6个月最高用量档免费名额。

    匹配字段标题

    查看事件：Google DeepMind为Antigravity推出化学信息学技能

星期五

  1. 事件41 条新闻 · 5 个事实

    Google DeepMind发布Gemini 4 Carbon模型

    2026年10月28日,Google DeepMind发布Gemini 4 Carbon,称其为最强模型,在Artificial Analysis Intelligence Index v5.0上以59分排名第一,并在SEC-bench Pro取得88.2%、ExploitGym取得54.8%、CWE-bench取得71.0%。该模型面向长程工程任务,先向部分网络安全防御者开放,再通过Fairwind Program扩大范围,之后面向开发者、企业和消费者。10月29日,Arena.ai称Gemini 4 Carbon在Agent Arena排名第2、净提升16.2%,并在成本、时间和每任务输出token上处于帕累托前沿;同日Yuchen Jin引用Artificial Analysis数据称其比Opus 5.5更聪明且每任务成本更低,但保留该评测使用Antigravity CLI。10月30日,Artificial Analysis智能指数显示其以59分居首,比Claude Opus 5.5高1分。10月31日,Perplexity CEO Aravind Srinivas分享早期评测

    匹配字段标题

  2. 事件1 条新闻 · 1 个事实

    Google DeepMind论文提出CALLIOPE主题树方法

    Google DeepMind发表论文,提出CALLIOPE主题树构建方法:让大语言模型为每篇文档打上少量关键词并加噪,只保留高频关键词,再由大语言模型据此提出主题并归类文档,从而在严格隐私约束下生成更清晰的主题地图。在最严格的隐私设置下,人工评分者在全部3个数据集上都更偏好CALLIOPE而非基于嵌入向量的URANIA,最高比例为76%对18%。该方法消耗的token是URANIA的2到5倍。目前尚无后续进展。

    匹配字段标题

  3. 事件1 条新闻 · 1 个事实

    Google DeepMind论文：训练模型写道德论证更果断但判断未改善

    Google DeepMind 发表论文,研究用强化学习训练 Gemma-4 4B 撰写道德论证的效果。结果显示,模型在 MoralChoice 模糊案例上因选项顺序调换而改变答案的比例从 14.3% 降至 6.6%,但附和用户的比例仅从 45.3% 变为 44.0%,道德寓言题准确率反而从 56.5% 降至 53.4%。论文据此建议,评估建议或判断类任务时,应将一致性与正确性分开测试。

    匹配字段标题

  4. 事实所属事件

    Google DeepMind论文：训练模型写道德论证更果断但判断未改善

    Google DeepMind 发表论文,研究用强化学习训练 Gemma-4 4B 撰写道德论证的效果。结果显示,模型在 MoralChoice 模糊案例上因选项顺序调换而改变答案的比例从 14.3% 降至 6.6%,但附和用户的比例仅从 45.3% 变为 44.0%,道德寓言题准确率反而从 56.5% 降至 53.4%。论文据此建议,评估建议或判断类任务时,应将一致性与正确性分开测试。

    匹配字段标题

    查看事件：Google DeepMind论文：训练模型写道德论证更果断但判断未改善

  5. 事件2 条新闻 · 2 个事实

    Google DeepMind论文提出AI经济影响取决于智能体协调能力

    2026年10月30日,Google DeepMind发表论文《The Economics of Intelligence》,提出用胜任(单任务能力)与协同(智能体协作能力)两项阈值刻画AGI对经济的影响,认为经济影响取决于智能体协调能力而非单个模型变强。论文称AI已在精简初创公司、扁平化组织架构和部分入门岗位招聘放缓上显现变化,但尚未出现大规模失业;多数基准只测单个模型,而企业以团队形式竞争。论文引用一项100人测验,互补配对的小组比随机配对表现高32%。同日,Ethan Mollick评论该研究,指出组织不只是最优秀个体的加总,单个智能体变强不会独自改变经济,能协同工作的智能体才可能带来转型。

    匹配字段标题

  6. 事实所属事件

    Google DeepMind论文提出AI经济影响取决于智能体协调能力

    2026年10月30日,Google DeepMind发表论文《The Economics of Intelligence》,提出用胜任(单任务能力)与协同(智能体协作能力)两项阈值刻画AGI对经济的影响,认为经济影响取决于智能体协调能力而非单个模型变强。论文称AI已在精简初创公司、扁平化组织架构和部分入门岗位招聘放缓上显现变化,但尚未出现大规模失业;多数基准只测单个模型,而企业以团队形式竞争。论文引用一项100人测验,互补配对的小组比随机配对表现高32%。同日,Ethan Mollick评论该研究,指出组织不只是最优秀个体的加总,单个智能体变强不会独自改变经济,能协同工作的智能体才可能带来转型。

    匹配字段标题

    查看事件：Google DeepMind论文提出AI经济影响取决于智能体协调能力

星期一

  1. 事件1 条新闻 · 1 个事实

    Google DeepMind将PlanAssist扩展至另外12个英格兰地方规划机构

    Google DeepMind与英国政府合作开发的AI规划工具PlanAssist将扩展至另外12个英格兰地方规划机构,使参与总数达到15个。在Barnet、Camden和Dorset的早期试点中,该工具把规划官员处理家庭住宅申请评估任务的平均时间缩短了58%,超过70%的生成报告无需修改即获官员批准。PlanAssist基于Gemini构建,负责核验申请材料与图纸、对照遗产保护限制和地方及国家规划政策、检查既往异议,并起草带引用的报告,最终决定仍由规划官员做出。该工具自6月起试点,现进入为期12个月的Beta阶段;若测试顺利,英国政府计划于2027年向英格兰所有地方议会开放。

    匹配字段标题

星期六

  1. 事实所属事件

    Google DeepMind将PlanAssist扩展至另外12个地方规划机构

    Google DeepMind与英国政府合作开发的AI规划工具PlanAssist将扩展至另外12个英格兰地方规划机构,使参与总数达到15个。在Barnet、Camden和Dorset的早期试点中,该工具把规划官员处理家庭住宅申请评估任务的平均时间缩短了58%,超过70%的生成报告无需修改即获官员批准。PlanAssist基于Gemini构建,负责核验申请材料与图纸、对照遗产保护限制和地方及国家规划政策、检查既往异议,并起草带引用的报告,最终决定仍由规划官员做出。该工具自6月起试点,现进入为期12个月的Beta阶段;若测试顺利,英国政府计划于2027年向英格兰所有地方议会开放。

    匹配字段标题

    查看事件：Google DeepMind将PlanAssist扩展至另外12个英格兰地方规划机构

星期四

  1. 事实所属事件

    Google DeepMind论文提出CALLIOPE主题树方法

    Google DeepMind发表论文,提出CALLIOPE主题树构建方法:让大语言模型为每篇文档打上少量关键词并加噪,只保留高频关键词,再由大语言模型据此提出主题并归类文档,从而在严格隐私约束下生成更清晰的主题地图。在最严格的隐私设置下,人工评分者在全部3个数据集上都更偏好CALLIOPE而非基于嵌入向量的URANIA,最高比例为76%对18%。该方法消耗的token是URANIA的2到5倍。目前尚无后续进展。

    匹配字段标题

    查看事件：Google DeepMind论文提出CALLIOPE主题树方法

星期日

  1. 事件1 条新闻 · 1 个事实

    Google DeepMind等发表AI智能体物理论文基准研究

    Google DeepMind与多所顶尖高校发表论文,测试AI智能体求解未发表研究级理论物理问题的能力。论文显示,表现最好的AI智能体解出50道未公开研究级理论物理题中的49道,每题约相当于领域专家一天的工作量,单题成本低于3美元。题目由专家从自身研究中提供,智能体独立作答,分联网与不联网两组,仅按最终数值答案评分。GPT-6-Astra在Codex中联网解出49道;它与Opus 5.5在Claude Code中不联网各解出46道,去掉联网后准确率变化很小,作者据此认为模型可能已记住大量物理文献。

    匹配字段标题