搜索“Google DeepMind”

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。

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

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。

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。

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

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。

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。

查看事件：Google DeepMind等发表AI智能体物理论文基准研究

Google DeepMind新论文发现AI助手未经请求行动引发不同反应

Google DeepMind 发表论文,研究 AI 助手未经请求自行行动对员工的影响。论文称,该智能体在一家大型科技公司的 20 多个团队中运行了 5 个月,研究者访谈了 17 位用户。它曾把过期文档当作最新内容、在 16 个 bug 上标记了一位 VP、在作者准备好之前分享海报草稿,还误读了讽刺语气。部分用户称其为救星,另一些人则感到被监视,并把敏感讨论转移到没有智能体的聊天中;主动选择该智能体的团队会原谅它的早期错误,而觉得它是被强加的人则不会。作者建议在部署智能体时取得团队同意、分离权限,并提供便捷的操作撤销方式。

Google DeepMind新论文发现AI助手未经请求行动引发不同反应

Google DeepMind 发表论文,研究 AI 助手未经请求自行行动对员工的影响。论文称,该智能体在一家大型科技公司的 20 多个团队中运行了 5 个月,研究者访谈了 17 位用户。它曾把过期文档当作最新内容、在 16 个 bug 上标记了一位 VP、在作者准备好之前分享海报草稿,还误读了讽刺语气。部分用户称其为救星,另一些人则感到被监视,并把敏感讨论转移到没有智能体的聊天中;主动选择该智能体的团队会原谅它的早期错误,而觉得它是被强加的人则不会。作者建议在部署智能体时取得团队同意、分离权限,并提供便捷的操作撤销方式。

查看事件：Google DeepMind新论文发现AI助手未经请求行动引发不同反应

Google DeepMind等发布全球森林类型地图ForTy 2020

Google DeepMind 与 Google Research 联合世界资源研究所(WRI)和国际应用系统分析研究所(IIASA)发布 Forest Typology(ForTy)2020 全球森林类型地图。该地图把全球每块 10×10 米土地划为六类森林与土地利用类型,并作为欧盟森林砍伐法规的关键基线。团队用约 170 万个标注地点训练模型,以 AlphaEarth Foundations 嵌入向量为关键输入;在 9000 多个随机抽样点验证中,森林类型判对率 90%,森林与非森林区分准确率 95%。配套的 2017 至 2025 年逐年时间序列同步开放,可在 Google Earth Engine 上以开放许可免费使用。目前尚无后续发展。

Google DeepMind与Cambridge论文展示AI智能体自主发现数学规则

Google DeepMind 与剑桥发表论文,展示一个基于 Gemini 的 AI 智能体能够自主发现新数学。该智能体为 11 台此前没有分析记录的 Busy Beaver 图灵机找到并给出精确规则。据论文描述,智能体先在模拟器中测试边界情况、起草非形式化证明,再在 Lean 证明检查器中完成证明,相关规则均通过 Lean 验证。论文称这体现了 AI 从回答人类提出的数学问题走向开放式发现。目前该工作以论文形式呈现,尚无后续进展报道。

Google DeepMind四个Gemini 4 Argon智能体无人工干预通关Minecraft

Google DeepMind 团队让四个运行在 Gemini 4 Argon 上的 AI 智能体在随机生成的世界中自主通关 Minecraft,击杀末影龙,全程无人类输入。团队没有为它们分配角色、策略或游戏专用工具,四个智能体自行分工、互相预警威胁、回收阵亡队友的物品,并把错误记录在共享记忆中。整轮运行耗时 27 小时 14 分钟,共编写 2783 个 JavaScript 程序、交换 229 条聊天消息、死亡 605 次,按 2027 年生效的 Gemini 4 Argon 标准价格计算花费 1620 美元。

Google DeepMind发布Gemini 4 Argon

2026年10月23日,Google DeepMind发布前沿模型Gemini 4 Argon。Google官方博客称,该模型在编码、数学和3D世界构建等复杂任务上表现突出,并在多领域基准上超过其他前沿模型;官方同时展示了5个社区创意项目,包括实时映射野火与地震波动的3D地球、带实时数据的涡扇发动机模拟、由单张图片生成的3D马车以及多人夺旗浏览器游戏,并称该模型上周已大范围开放。同日另有报道称,Argon可通过观看视频学习物理任务并迁移到Apptronik的Apollo人形机器人,在内部测试中Apollo连续命中七次,该报道还称Argon在具身推理基准ERQA上得分87%。10月24日,Gemini for Android应用通过服务端更新推送侧边栏与设置界面改版,报道称该改版上周已随Gemini 4 Argon登陆iOS、macOS和Web端。

Google DeepMind发布Gemini 4 Argon

2026年10月23日,Google DeepMind发布前沿模型Gemini 4 Argon。Google官方博客称,该模型在编码、数学和3D世界构建等复杂任务上表现突出,并在多领域基准上超过其他前沿模型;官方同时展示了5个社区创意项目,包括实时映射野火与地震波动的3D地球、带实时数据的涡扇发动机模拟、由单张图片生成的3D马车以及多人夺旗浏览器游戏,并称该模型上周已大范围开放。同日另有报道称,Argon可通过观看视频学习物理任务并迁移到Apptronik的Apollo人形机器人,在内部测试中Apollo连续命中七次,该报道还称Argon在具身推理基准ERQA上得分87%。10月24日,Gemini for Android应用通过服务端更新推送侧边栏与设置界面改版,报道称该改版上周已随Gemini 4 Argon登陆iOS、macOS和Web端。

查看事件：Google DeepMind发布Gemini 4 Argon

Google DeepMind等发布全球森林类型地图ForTy 2020

Google DeepMind 与 Google Research 联合世界资源研究所(WRI)和国际应用系统分析研究所(IIASA)发布 Forest Typology(ForTy)2020 全球森林类型地图。该地图把全球每块 10×10 米土地划为六类森林与土地利用类型,并作为欧盟森林砍伐法规的关键基线。团队用约 170 万个标注地点训练模型,以 AlphaEarth Foundations 嵌入向量为关键输入;在 9000 多个随机抽样点验证中,森林类型判对率 90%,森林与非森林区分准确率 95%。配套的 2017 至 2025 年逐年时间序列同步开放,可在 Google Earth Engine 上以开放许可免费使用。目前尚无后续发展。

查看事件：Google DeepMind等发布全球森林类型地图ForTy 2020

Google DeepMind与Cambridge论文展示AI智能体自主发现数学规则

Google DeepMind 与剑桥发表论文,展示一个基于 Gemini 的 AI 智能体能够自主发现新数学。该智能体为 11 台此前没有分析记录的 Busy Beaver 图灵机找到并给出精确规则。据论文描述,智能体先在模拟器中测试边界情况、起草非形式化证明,再在 Lean 证明检查器中完成证明,相关规则均通过 Lean 验证。论文称这体现了 AI 从回答人类提出的数学问题走向开放式发现。目前该工作以论文形式呈现,尚无后续进展报道。

查看事件：Google DeepMind与Cambridge论文展示AI智能体自主发现数学规则

Google DeepMind论文发现自进化智能体边学边忘

Google DeepMind 发表论文,发现自进化智能体在学习新任务时会遗忘旧任务。该团队在话题、工作流或领域不断变化的任务流上测试了 ReasoningBank、GEPA 和 Meta-Harness。结果显示,GEPA 学得最多,平均每块提升 6.2 分,但在其他任务上损失也最大,为 4.3 分;它学会向用户追问缺失信息后,后续任务块改写了这条规则,15.5 分的增益降至 2.5 分。作者建议,若智能体会自行修改提示词或记忆,应把任务专属规则分开存放,并在每次更新后重测旧任务。目前该发现来自单一来源报道,尚无后续进展。

Google DeepMind论文发现自进化智能体边学边忘

Google DeepMind 发表论文 自进化智能体在学习新任务时会遗忘旧任务

查看事件：Google DeepMind论文发现自进化智能体边学边忘

Google DeepMind 展示用 Antigravity 发现抗菌肽候选

2026年10月15日,Google DeepMind 展示其智能体开发平台 Google Antigravity 如何加速抗菌肽(AMP)的发现。据官方介绍,该平台把原本分散在多个数据库的检索压缩到一次会话中,并借助 ProtNLM 模型扫描 UniProt 中数百万条未表征蛋白质。文中展示生物学家用该平台找到一个对呼吸道感染病原体有预测活性的新型抗菌肽候选物,该候选物目前正在进行湿实验验证。Antigravity 还内置 Biomolecular Structure Viewer,可在同一工作区内查看 AlphaFold 预测结构并与智能体共享 3D 视觉状态。后续报道称,该平台已发现一种新型抗菌肽候选分子,预测其对呼吸道感染病原体具有活性,目前正进行湿实验室验证。

Google DeepMind 展示用 Antigravity 发现抗菌肽候选

Google DeepMind 展示 用 Google Antigravity 发现新型抗菌肽候选

查看事件：Google DeepMind 展示用 Antigravity 发现抗菌肽候选

Google DeepMind与Google Cloud向欧洲研究者提供前沿模型和算力

2026年10月14日,Google DeepMind 与 Google Cloud 宣布向欧洲研究者提供前沿模型和算力。据 Google Blog 同日发布的信息,该计划将向最多 200 名欧洲顶尖科研人员提供前沿模型的直接访问权限,以及 300 万美元算力额度。研究人员可使用 AlphaFold 3、WeatherNext、AlphaGenome、AlphaEvolve 和 AlphaEarth Foundations 等科学工具,并通过欧盟 RAISE 计划获取这些资源,以缓解欧洲科学家面临的算力缺口。目前尚无后续发展事实。

Google DeepMind与Google Cloud向欧洲研究者提供前沿模型和算力

Google DeepMind and Google Cloud 提供 up to 200 top European scientific researchers with direct access to our frontier models, together with $3 million in compute credits

查看事件：Google DeepMind与Google Cloud向欧洲研究者提供前沿模型和算力