←搜索结果

搜索“Google DeepMind”

按匹配度 · 共 133 条结果 清除搜索

星期二

  1. Air Street Press精选

    Google DeepMind 如何用协作式 AI 智能体加速科学研究与医疗

    Google DeepMind 研究负责人 Vivek Natarajan 介绍了 AI co-scientist 与 AMIE，利用自博弈、搜索和多智能体辩论辅助科研假设生成与医疗诊断。AI co-scientist 的候选药物在人体肝脏类器官实验中将 TGF-beta 诱导的染色质损伤降低超过 91%；AMIE 在模拟问诊中匹配或超过医生，并在受监督的早期可行性研究中未触发预设安全中止。

    匹配字段标题

    #analysis#大佬观点#Agent#推理

星期二

  1. Google DeepMind

    Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash

    Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）和 Gemini Omni Flash（gemini-omni-flash-preview）两款模型。Nano Banana 2 Lite 主打速度与成本，官方建议用它替换第一版 Nano Banana（gemini-2.5-flash-image），并将登陆 Search 的 AI Mode、Gemini app、NotebookLM、Google Photos 等消费端产品。Gemini Omni Flash 通过 Gemini API 和 Google AI Studio 开放，支持文本、图像、视频输入的高质量视频生成与对话式编辑，定价为每秒视频输出 $0.10，与 Veo 3.1 Fast 相同。

    匹配字段标题

    #lab#模型发布#多模态#视频

星期三

  1. Google DeepMind精选

    Google DeepMind 在 Gemini 3.5 Flash 中内置 computer use

    Google DeepMind 将 computer use 作为内置工具集成进 Gemini 3.5 Flash，此前该能力仅以独立的 Gemini 2.5 computer use 模型形式提供。开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 使用它构建能跨浏览器、移动端和桌面环境感知、推理并执行操作的智能体，面向持续软件测试等长周期与企业自动化任务。为降低实时环境中的提示词注入风险，官方对 computer use 做了针对性对抗训练，并发布两套可选的企业级防护系统。

    匹配字段标题

    #lab#产品更新#Agent#Google

星期一

  1. Google DeepMind

    Google DeepMind 与 A24 启动研究合作

    Google DeepMind 与 A24 宣布建立首个聚焦研究的合作伙伴关系，将研究实验室与电影制作工作室结合，帮助艺术家开发新工作流与技术。双方将围绕多个项目展开长期研发协作，Google 同时已对 A24 进行投资。

    匹配字段标题

    #lab#行业动态#Google#DeepMind

星期四

  1. Google DeepMind

    Google DeepMind 发布 AI Control Roadmap，用纵深防御保障内部 AI 智能体安全

    Google DeepMind 发布 AI Control Roadmap，一套用于构建和管理 Google 内部部署的高级 AI 的框架，在模型对齐之外增加系统级安全层，即便对齐不完美也能提供保障。该框架把不受信任的 AI 智能体视为潜在内部威胁，基于 MITRE ATT&CK 拆解攻击战术与技术，并按模型能力划分检测等级 D1-D4 与预防响应等级 R1-R3。团队已分析一百万个编码智能体任务，并据此为 Gemini Spark 智能体搭建实时监控，数据显示多数被标记事件并非恶意意图，而是智能体误解或过度追求用户目标。

    匹配字段标题

    #lab#安全/对齐#Agent#Google

星期四

  1. Google DeepMind

    Google DeepMind 与合作伙伴宣布多智能体安全研究资助征集

    Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation 和 ARIA，并获 Google.org 支持，面向全球研究者发起最高 $10M 的多智能体 AI 安全研究资助征集。项目聚焦大规模智能体系统的群体行为，以及理解、预测、监测和缓解交互风险的框架。申请截止日期为 2026 年 8 月 8 日，获奖者预计于 2026 年秋季公布。

    匹配字段标题

    #lab#安全/对齐#Agent#Google DeepMind

星期三

  1. Google DeepMind精选

    Google DeepMind 发布 DiffusionGemma 实验性开源模型

    Google DeepMind 发布 DiffusionGemma，一个采用 Apache 2.0 许可的 26B MoE 实验性开源模型，探索文本扩散生成，在 GPU 上文本生成速度最高提升 4 倍。该模型不再逐 token 顺序生成，而是同时生成整块文本，面向内联编辑、快速迭代等速度敏感的本地交互工作流。其加速优势主要体现在单加速器、低到中等批大小的本地低并发推理场景，高 QPS 云端服务下并行解码收益递减。

    匹配字段标题

    #lab#模型发布#开源生态#推理

星期二

  1. Google DeepMind

    Google DeepMind 助力欧洲机器人技术未来

    Google DeepMind 选出欧洲15家早期机器人公司参加为期三个月的 Accelerator: Robotics 项目，帮助其将 AI 融入核心产品。入选团队将获得技术辅导、产品指导、AI 技术栈及 Gemini robotics models，应用涵盖医疗、建筑、回收、物流和制造等领域。

    匹配字段标题

    #lab#行业动态#具身智能#Google

星期三

  1. Google DeepMind精选

    Google DeepMind 推出 Gemma 4 12B

    Google DeepMind 推出 Gemma 4 12B，将智能体式多模态能力带到笔记本电脑，并首次在其中型模型中支持原生音频输入。该模型在标准评测中的表现接近 26B MoE，内存占用不到后者一半，可在配备 16GB RAM 的消费级笔记本上本地运行。其无编码器架构可直接整合音频与视觉输入，以减少延迟和内存用量。

    匹配字段标题

    #lab#模型发布#多模态#推理

星期二

  2. Google DeepMind精选

    Google DeepMind 推出 Gemini Omni

    Google DeepMind 推出 Gemini Omni，其首款模型 Gemini Omni Flash 可接收图像、音频、视频和文本输入，生成高质量视频，并支持通过多轮自然语言对话编辑。该模型正向 Gemini app、Google Flow 和 YouTube Shorts 推出，未来数周将通过 API 面向开发者和企业客户开放；初期音频输入仅支持语音参考，生成视频均含 SynthID 数字水印。

    The image shows a colorful abstract design with the Google I/O 2026 logo.

    匹配字段标题

    #lab#模型发布#视频#多模态

星期日

  1. Google DeepMind

    Google DeepMind 在亚太地区启动加速器项目，应对环境风险

    Google DeepMind 在亚太地区启动首个以“AI for the Planet”为主题的加速器项目，帮助机构利用前沿 AI 应对自然、气候、农业和能源等领域的问题。该项目为期三个月，面向初创企业、研究团队和非营利组织，入选者将获得专家指导、定制支持及 Google AI 模型集成协助，并在新加坡参加线下训练营。

    匹配字段标题

    #lab#行业动态#Google

星期三

  1. Google DeepMind

    Google DeepMind 携手全球咨询公司加速企业采用 AI

    Google DeepMind 与 Accenture、Bain & Company、BCG、Deloitte 和 McKinsey 合作，推动企业以负责任的方式规模化采用前沿 AI 和智能体技术。双方将结合 AI 研究与战略咨询能力，重点服务金融、制造、零售、媒体和娱乐等行业，并让合作伙伴直接与 Google DeepMind 的技术人才协作。

    匹配字段标题

    #lab#行业动态#Agent

星期三

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

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