←搜索结果

按匹配度 · 共 449 条结果 清除搜索

星期二

  1. Google DeepMind精选

    Gemini 3.5 Live Translate 发布,支持 70 多种语言近实时语音互译

    Google DeepMind 发布 Gemini 3.5 Live Translate,可自动识别 70 多种语言并持续生成近实时译音,同时保留说话者的语调、节奏和音高。该模型仅落后说话者数秒,支持嘈杂环境和多语言输入。它正向 Android、iOS 版 Google Translate 全球推送,Google Meet 将于本月面向部分企业 Workspace 客户开启私密预览。

    Google DeepMind 发布 Gemini 3.5 Live Translate,可自动识别 70 多种语言并持续生成近实时译音,同时保留说话者的语调、节奏和音高。该模型仅落后说话者数秒,支持嘈杂环境和多语言输入。它正向 Android、iOS 版 Google Translate 全球推送,Google Meet 将于本月面向部分企业 Workspace 客户开启私密预览。 · Google DeepMind has released Gemini 3.5 Live Translate, which automatically detects more than 70 languages and continuously produces near-real-time translated speech while preserving the speaker’s intonation, pacing, and pitch. The model stays only a few seconds behind the speaker and supports noisy env

    匹配字段摘要

星期五

  1. Dwarkesh Patel Podcast & Blog

    Alex Imas 与 Phil Trammell:AGI 之后还有什么稀缺?

    Google DeepMind AGI 经济学总监 Alex Imas 与 Epoch 经济学负责人 Phil Trammell 在 Dwarkesh Patel 播客中讨论 AGI 时代的经济学问题。Imas 认为,人类参与本身构成价值的关系型服务仍将稀缺,因为人类天然稀缺。两人还讨论了资本份额、AI 财富的征税与再分配,以及不在 AI 供应链中的国家如何分享收益。

    匹配字段摘要、正文

星期二

  1. Google DeepMind

    Co-Scientist:加速科研的多智能体 AI 合作伙伴

    Google DeepMind 的多智能体系统 Co-Scientist 帮助 Gary Peltz 加快寻找肝纤维化疗法,筛选出此前被忽视的药物再利用候选方案。其中一个候选药物在实验室测试中成功阻断了 91% 与瘢痕形成相关的反应,相关成果已发表于 Advanced Science。

    Google DeepMind 的多智能体系统 Co-Scientist 帮助 Gary Peltz 加快寻找肝纤维化疗法,筛选出此前被忽视的药物再利用候选方案。其中一个候选药物在实验室测试中成功阻断了 91% 与瘢痕形成相关的反应,相关成果已发表于 Advanced Science。 · Google DeepMind’s multi-agent system Co-Scientist helped Gary Peltz accelerate the search for liver fibrosis treatments by identifying overlooked drug-repurposing candidates. One candidate successfully blocked 91% of a scarring-linked response in laboratory tests, with the results published in Advanced Science.

    匹配字段摘要

  2. Google DeepMind

    Project Genie 联动 Street View 模拟现实地点

    Google DeepMind 为实验性原型 Project Genie 推出 Street View 地图影像接地能力,使其生成的交互式世界能够以现实地点为起点。用户可在美国选择地点、视觉风格和角色,探索或重新构想现实场景;该功能现已可用,并计划逐步扩展到更多地区。

    Google DeepMind 为实验性原型 Project Genie 推出 Street View 地图影像接地能力,使其生成的交互式世界能够以现实地点为起点。用户可在美国选择地点、视觉风格和角色,探索或重新构想现实场景;该功能现已可用,并计划逐步扩展到更多地区。 · Google DeepMind has launched Street View imagery grounding for its experimental Project Genie prototype, allowing its generated interactive worlds to begin from real-world locations. Users can select a place in the U.S., a visual style and a character to explore or reimagine real settings; the capability is available now, with plans to expand to more places ove

    匹配字段摘要、正文

  3. Google DeepMind精选

    Gemini 3.5:兼具前沿智能与行动能力

    Google DeepMind 推出面向复杂智能体工作流的 Gemini 3.5 系列,率先发布 3.5 Flash,并计划下月推出 3.5 Pro。3.5 Flash 在 Terminal-Bench 2.1 获得 76.2%,输出速度为其他前沿模型的 4 倍。该模型已全面开放,并成为 Gemini 应用和全球搜索 AI Mode 的默认模型。

    Gemini 3.5 text and multi-colored star icon on an abstract blue background.

    Google DeepMind 推出面向复杂智能体工作流的 Gemini 3.5 系列,率先发布 3.5 Flash,并计划下月推出 3.5 Pro。3.5 Flash 在 Terminal-Bench 2.1 获得 76.2%,输出速度为其他前沿模型的 4 倍。该模型已全面开放,并成为 Gemini 应用和全球搜索 AI Mode 的默认模型。 · Google DeepMind introduced the Gemini 3.5 family for complex agentic workflows, beginning with 3.5 Flash, while 3.5 Pro is planned for next month. Gemini 3.5 Flash scores 76.2% on Terminal-Bench 2.1 and produces output tokens four times faster than other frontier models. It is generally available and is now the default mo

    匹配字段摘要、正文

星期五

  1. Google DeepMind

    AlphaEvolve 改进 DeepConsensus,将变异检测错误减少 30%

    Google DeepMind 使用由 Gemini 驱动的编码智能体 AlphaEvolve 改进 DNA 测序纠错模型 DeepConsensus,使变异检测错误减少 30%。这些改进正帮助 PacBio 科学家以更低成本、更准确地分析遗传数据,并可能发现此前隐藏的致病突变。

    Google DeepMind 使用由 Gemini 驱动的编码智能体 AlphaEvolve 改进 DNA 测序纠错模型 DeepConsensus,使变异检测错误减少 30%。这些改进正帮助 PacBio 科学家以更低成本、更准确地分析遗传数据,并可能发现此前隐藏的致病突变。 · Google DeepMind used its Gemini-powered coding agent AlphaEvolve to improve DeepConsensus, a DNA sequencing error-correction model, reducing variant detection errors by 30%. The improvements are helping PacBio scientists analyze genetic data more accurately and at lower cost, potentially enabling the discovery of previously hidden disease-causing mutation

    匹配字段摘要

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

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

  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

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

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

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

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

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

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