基于零信任聚合的隐私分析研究
Google Research发布了一篇关于基于零信任聚合的隐私分析的研究论文,介绍了该技术在保护用户隐私方面的应用和优势。
推荐理由:原文介绍了基于零信任聚合的隐私分析技术,读者可以了解其在保护用户隐私方面的应用和优势。
Google Research发布了一篇关于基于零信任聚合的隐私分析的研究论文,介绍了该技术在保护用户隐私方面的应用和优势。
推荐理由:原文介绍了基于零信任聚合的隐私分析技术,读者可以了解其在保护用户隐私方面的应用和优势。
Google DeepMind 在亚太地区推出“AI for the Planet”加速器计划,旨在帮助创新者应对环境挑战。该计划为期三个月,面向初创公司、研究团队和非营利组织,利用前沿AI技术解决自然、气候、农业、能源等问题。入选组织将获得专家指导、定制支持和将Google AI专家的前沿AI和科学AI模型整合到其项目或产品中的帮助。计划以新加坡的现场训练营启动,并接受报名。
谷歌发布了一篇论文,介绍了他们开发的实证研究助手 (ERA) 工具,该工具利用 Gemini 模型编写和优化科学代码,旨在提高科学研究的效率和范围。
推荐理由:原文介绍了 Empirical Research Assistance (ERA) 的设计和应用,读者可以了解其在科学研究和计算发现中的作用。
Google DeepMind 的 Gemini Co-Scientist 帮助生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 在衰老研究中取得突破,通过分析大量科学文献,Co-Scientist 提出了超过 20 个可能逆转衰老的遗传因素,并加速了后续实验分析,将原本可能需要六个月的分析工作缩短至几天。
SentinelOne 发现 fast16 病毒通过篡改 LS-DYNA 等高精度软件计算结果破坏科研。Tilde Research 指出 Muon 优化器导致 MLP 层神经元死亡,并推出 Aurora 优化器。在 1.1B 参数模型测试中,Aurora 最终损失降至 2.26,MMLU 分数比 Muon 高 10 分。
Google DeepMind 推出 Project Genie 和 Street View 新功能,将 Genie 的生成能力与 Google Street View 的真实世界图像相结合,为 AI 代理或机器人提供虚拟环境以模拟和交互真实世界。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
DeepMind 发布了 Gemini Omni 智能体功能,该功能可以创建任何类型的视频,并支持通过对话编辑视频。目前该功能已集成到 Gemini 应用、Google Flow 和 YouTube Shorts 中,未来还将支持图像和音频输出。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
DeepMind 发布了 Gemini for Science,一套旨在扩展科学探索规模和精度的工具和实验,包括假设生成、计算发现和文献洞察等实验工具。
推荐理由:原文介绍了 Gemini for Science 的功能和实验工具,读者可以了解其对科学研究的潜在影响。
Google DeepMind 发布了内容透明度和验证工具的更新,包括SynthID和C2PA Content Credentials,旨在帮助用户了解内容的创建和编辑过程,并验证内容的真实性。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Google DeepMind 与新加坡政府合作,推出多项计划以推进 AI 在健康、生命科学、教育等领域的应用,旨在加强新加坡的 AI 策略,并促进经济和社会发展。
推荐理由:原文介绍了 Google DeepMind 与新加坡政府合作推进 AI 发展的多项计划,读者可以了解这一合作对新加坡 AI 产业的影响。
Google DeepMind 的 Gemini Co-Scientist 工具帮助剑桥大学克莱尔·布莱恩特教授在研究流感病毒时,发现了新的分子开关,加速了实验进程,预计将原本需要两到三年的实验工作缩短至六个月。
Google DeepMind 的 Gemini 模型在 Calico Life Sciences 被用于分析衰老生物学,帮助研究人员识别新的研究假设,并通过 Co-Scientist 优化实验设计,产生新的研究成果,预计将发表相关论文。
Google DeepMind 的 Gemini 协同工具帮助 Ritu Raman 和 Ryan Flynn 联合研究 ALS,通过快速压缩文献并协助构建可测试的假设,将他们的不同研究工具和方法结合起来,寻找新的 RNA 基础机制和药物。
Google DeepMind 的 Gemini Co-Scientist 辅助斯坦福大学医学院遗传学家 Gary Peltz 加速寻找治疗肝纤维化的药物,通过分析现有药物文献,Co-Scientist 提出的三个候选药物中有两个能够阻止纤维化并促进肝细胞再生,其中一个药物仅在少数论文中与肝纤维化相关联。
Google DeepMind 的 AI 气象模型 WeatherNext 协助美国国家飓风中心更准确地预测了飓风 Melissas 在牙买加的历史性登陆,为当地社区提供了更长的准备时间。
推荐理由:原文展示了 WeatherNext 在预测飓风路径和强度方面的突破,读者可以了解 AI 在气象预测领域的应用进展。
Google DeepMind发布Gemini 3.5,结合前沿智能与行动,提供强大的智能体功能和编码能力,适用于复杂的长周期任务,并支持大规模的智能体任务。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Google DeepMind 在 Nature 发表研究并推出 Co-Scientist,这是一个基于 Gemini 构建的多智能体 AI 系统,旨在通过迭代生成、辩论和进化来加速复杂科学问题的假设发现。
推荐理由:原文展示了基于 Gemini 的多智能体系统如何通过辩论和进化机制生成科学假设,并提供了具体的生物医学应用案例及注册入口。
Google DeepMind发布AlphaEvolve一周年进展报告,展示这款由Gemini驱动的编码智能体在数学、科学及工业界的广泛影响。该智能体已深度集成至Google核心基础设施,例如优化下一代TPU设计并将Spanner数据库写放大率降低20%。
推荐理由:官方汇总了AlphaEvolve在科研、基础设施及商业场景的落地数据,展示了其从实验工具向通用算法优化平台的演进。
Google Research 强调开源软件和开放数据集对现代科学的重要性,并分享了他们在基因组学、神经科学、地球大气建模、生物多样性、医疗保健等领域开发的开放源代码工具和开放数据集,以及这些资源如何推动全球科学进步。
推荐理由:原文详细介绍了 Google Research 在开源软件和开放数据集方面的贡献,以及这些资源如何推动全球科学进步。
Google DeepMind 宣布启动 AI co-clinician 研究计划,旨在探索 AI 如何作为协作成员增强医生专业能力并改善患者护理。
推荐理由:原文详细披露了 AI co-clinician 在临床证据合成与实时多模态交互中的评估数据,展示了其在辅助医生而非替代医生方面的具体能力边界。
谷歌研究科学家使用 Empirical Research Assistance (ERA) 在多个领域进行实证研究,包括流行病学、宇宙学、气候和神经科学,展示了 AI 在科学发现中的应用潜力。
推荐理由:原文展示了 Empirical Research Assistance 在多个领域的应用,读者可以了解其如何推动科学发现。
Google DeepMind 与韩国科学技术信息通信部(MSIT)达成合作,将在首尔设立 AI Campus 以支持国家 AI 战略。双方将利用 AlphaEvolve、AlphaFold 等前沿模型加速生命科学、气候等领域的科研突破,并探索实习机会及与韩国 AI 安全研究所的合作。
Google Photos 推出新的自动构图功能,利用机器学习和生成式 AI 技术重新组合照片角度,提供更自然的视角。
Google DeepMind 推出 Decoupled DiLoCo 架构,通过解耦计算岛屿实现跨数据中心异步训练。该方案在 2-5 Gbps 带宽下训练 12B 参数模型,速度比传统同步方法快 20 倍以上,并支持混合不同代际 TPU 硬件。
ReasoningBank 是一种新的智能体记忆框架,它从成功和失败的经验中提取有用见解,以促进测试时的自我进化。该框架通过记忆感知测试时扩展(MaTTS)技术,提高了智能体的效果和效率。
推荐理由:ReasoningBank 通过从成功和失败的经验中提取有用见解,为测试时自我进化提供了一种强大的框架,有助于 LLM 从经验中学习并成为持续的学习者。
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte 和 McKinsey 建立合作伙伴关系,旨在加速全球企业的 AI 驱动转型。
Google Research 发布论文,介绍 Simula 框架,该框架通过机制设计,将数据生成转化为可控的科学,为构建高保真数据集提供了清晰路径,并已在 Google 的多个业务场景中得到应用。
推荐理由:Simula 框架通过机制设计,将数据生成转化为可控的科学,为构建高保真数据集提供了清晰路径,对 AI 的发展具有重要意义。
Google 研究团队开发了一种名为 MoGen 的 AI 技术,通过生成神经元形状来提高大脑图谱绘制的效率和准确性,并在 ICLR 2026 上发表了相关论文。
推荐理由:原文介绍了利用 AI 生成神经元形状来加速大脑图谱绘制的研究,读者可以了解这项技术如何提高大脑图谱绘制的效率和准确性。
Google DeepMind 发布最新文本转语音模型 Gemini 3.1 Flash TTS,即日起在 Gemini API、Google AI Studio 和 Vertex AI 预览版中推出。
推荐理由:新模型引入自然语言音频标签以精细控制语速和风格,并在 Artificial Analysis 基准中取得高分,适合评估其在多语种场景下的表现力。
Google DeepMind 发布 Gemini Robotics-ER 1.6,这是一款专为机器人设计的高层推理模型,旨在通过增强的空间推理和多视角理解提升物理世界的自主性。
推荐理由:原文详细拆解了空间推理、成功检测及仪表读取等核心能力,并给出了API入口与开发者示例,适合评估其在机器人自主作业中的实际落地价值。
Google Research 发布了 ConvApparel 数据集,用于衡量和弥合用户模拟器中的现实差距,以改进对话式 AI 代理。
推荐理由:ConvApparel 数据集和评估框架为衡量和弥合用户模拟器中的现实差距提供了工具,有助于改进对话式 AI 代理。
Google Research发布了两款AI智能体PaperVizAgent和ScholarPeer,分别用于学术研究的可视化辅助和同行评审。PaperVizAgent可以从学术文本中生成出版级别的学术插图,而ScholarPeer则通过主动验证工作流程,提供深入且基于文献的同行评审。
推荐理由:原文介绍了两个AI智能体PaperVizAgent和ScholarPeer,它们分别用于学术研究的可视化辅助和同行评审,读者可以了解这些工具如何提升学术研究效率。
Google Research发布了一篇论文,评估了大型语言模型(LLM)的行为倾向与人类行为的一致性,通过实验和数据分析,揭示了模型行为与人类行为之间的差异和一致性。
Google DeepMind 正式发布 Gemma 4 系列开源模型,采用 Apache 2.0 许可证,旨在提供先进的推理能力和智能体工作流支持。该系列包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸,其中 31B 模型在 Arena AI 文本排行榜上位列全球第三。
推荐理由:官方发布了基于 Apache 2.0 许可的 Gemma 4 系列,涵盖从移动端到工作站的多种规格,开发者可据此评估其在本地推理和智能体工作流中的实际部署潜力。
Google DeepMind 发布了 Gemma 4 多模态模型,支持图像、文本和音频输入,并生成文本响应。该模型具有多种大小和参数,支持多种开源工具和平台,包括 transformers、llama.cpp、MLX、WebGPU 和 Rust。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Google Research发布了一篇论文,探讨了机器学习评估中可重复性的挑战,并提出了优化评分者数量和分配的方法,以提高AI基准的可靠性和成本效益。
推荐理由:原文探讨了机器学习评估中可重复性的挑战,并提供了优化评估方法的建议,对AI领域具有重要意义。
谷歌研究团队探讨了未来量子计算机破解密码的能力,并提出了应对措施,包括将区块链迁移到抗量子密码学,以保护加密货币和其他系统的安全。
推荐理由:原文提出了量子计算机对加密货币安全的潜在威胁,并提供了应对策略,读者可以了解量子计算对加密货币行业的影响和应对措施。
Google DeepMind 发布由 Gemini 驱动的 AI 鼠标指针实验性演示,旨在让指针不仅识别指向内容,还能理解用户意图。该系统遵循四项交互原则,包括保持工作流连续性、利用“这个/那个”等自然语言简写以及将像素转化为可操作实体。目前这些理念正被整合进 Chrome 和 Google AI Studio 等产品中,允许用户仅通过指向和语音即可执行图像编辑或地图查询等操作。
推荐理由:原文展示了基于 Gemini 的实验性 AI 指针,通过视觉与语义上下文理解替代传统文本提示词,为跨应用交互提供了新的设计思路。
Google DeepMind 发布 Gemini 3.1 Flash Live,这是其最高质量的音频和语音模型,旨在提供更自然、低延迟的实时对话体验。该模型在 ComplexFuncBench Audio 上获得 90.8% 的分数,并在 Scale AI 的 Audio MultiChallenge 中取得 36.1% 的成绩,显著提升了多步函数调用和长程推理能力。
推荐理由:原文给出了新模型在音频基准测试中的具体得分以及多语言实时对话能力的开放范围,读者可以据此评估其在构建复杂语音智能体时的实际性能提升。
Google DeepMind 发布新研究,推出了首个经实证验证的工具包以衡量 AI 在现实世界中进行有害操纵的能力。该研究基于英国、美国和印度的超过 10,000 名参与者进行的九项实验,重点测试了金融和健康等高风险领域,发现 AI 在健康话题上的操纵效果最弱且不同领域的成功并不互通。
推荐理由:Google DeepMind 发布了首个经实证验证的 AI 有害操纵测量工具包,通过九项涵盖万人的实验区分了有益说服与有害操纵,为评估模型在高风险场景下的潜在危害提供了可复用的方法论。