Co-Scientist 携手 MIT 与 Boston Children's Hospital,为 ALS 研究整合生物工具
Google DeepMind 的 Co-Scientist 正在连接 MIT 机械工程师 Ritu Raman 与 Boston Children's Hospital 化学生物学家 Ryan Flynn 的实验室,共同研究 ALS。
Google DeepMind 的 Co-Scientist 正在连接 MIT 机械工程师 Ritu Raman 与 Boston Children's Hospital 化学生物学家 Ryan Flynn 的实验室,共同研究 ALS。
Stanford 医学院遗传学家 Gary Peltz 团队在 Advanced Science 发表研究,用 Google DeepMind 的 Co-Scientist 从现有药物文献中筛选可重定位治疗肝纤维化的候选药。
Google DeepMind 的 AI 气象模型 WeatherNext 提前 5 天、以 80% 置信度预测出飓风 Melissa 将以 Category 5 强度登陆牙买加,3 天前置信度升至接近 100%。
Google DeepMind 发布 Gemini 3.5 模型系列,首先推出 3.5 Flash,定位智能体与编码,在 Terminal-Bench 2.1(76.2%)、GDPval-AA(1656 Elo)、MCP Atlas(83.6%)和 CharXiv Reasoning(84.2%)上超过 Gemini 3.1 Pro,输出速度为其他前沿模型的 4 倍。
推荐理由:官方公布了 3.5 Flash 的基准成绩、开放渠道和 Pro 后续计划,读者可以据此评估它在智能体与编码场景的取舍。
Google DeepMind 在 Nature 发布基于 Gemini 的多智能体系统 Co-Scientist,通过生成、辩论和演化假设来加速科学研究,并通过实验性工具 Hypothesis Generation 向个人研究者开放,数周内开始推出,可在 labs.google/science 注册。
推荐理由:官方同时给出系统架构、已有实验结果和开放注册入口,读者可以据此评估它对科研工作流的适用性。
Import AI 第 456 期聚焦三个话题。Law & AI 研究者提出 AI 监管的“激进可选性”路线:政府应避免过度监管,现在就投入建设信息收集、举报人保护、模型权重安全与人才等能力,以应对未来变革性 AI。
Berkeley AI Research 发布关于自适应并行推理的研究综述,探讨让推理模型自主决定何时分解任务、并行生成多少线程并协调它们的思路。
Google DeepMind 发布 AlphaEvolve 一年来影响力汇总,该 Gemini 驱动的编码智能体已从试点扩展到科研与商业多领域。
推荐理由:官方汇总了 AlphaEvolve 一年来在科研和商业场景的具体结果与数字,可了解这类算法发现智能体落地的真实范围。
Jack Clark 在 Import AI 455 中判断,2028 年底前出现无人参与的自动化 AI 研发(模型自主训练自己的后继版本)的概率超过 60%,2027 年为 30%。
Google Research 阐述其开放科学实践:十年间开源的 DeepVariant、Neuroglancer、NeuralGCM、SpeciesNet 及 HAI-DEF(含 MedGemma)等工具与数据集,已服务全球超 250,000 名研究者和开发者。
Google DeepMind 宣布 AI co-clinician 研究计划,探索在医生监督下辅助医患双方的医疗 AI。
推荐理由:官方给出多组临床评测数字和双智能体安全架构,读者可以据此了解 AI 协诊助手的能力边界与实际定位。
Google Research 介绍其 2025 年 9 月发布的 Empirical Research Assistance(ERA)在四个科研领域的实际应用进展。
Mistral AI 发布 Workflows 公开预览版,定位为企业 AI 编排层,提供持久执行、可观测性、容错和 human-in-the-loop 审批,ASML、ABANCA、CMA-CGM、France Travail、La Banque Postale 等客户已在用其自动化关键流程。
Google DeepMind 宣布与韩国科学技术信息通信部(MSIT)建立合作,作为其 National Partnerships for AI 计划的一部分,在首尔设立 AI Campus。
Google 宣布将一项基于 3D 场景理解的照片重构方法上线到 Google Photos 的 Auto frame 功能。
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构,将大模型训练拆分为异步通信的计算“孤岛”,隔离硬件故障并大幅降低带宽需求。
Google Research 发布 ICLR 论文 ReasoningBank,提出从智能体的成功与失败经验中蒸馏高层推理记忆的框架,区别于只记录轨迹或仅总结成功流程的 Synapse 和 AWM。
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte 和 McKinsey 合作,帮助企业规模化采用前沿 AI。
Berkeley AI Research 提出 GRASP,一种基于梯度的世界模型规划器,让长时序规划更实用。其核心改进包括三点:把轨迹提升到虚拟状态使优化在时间上并行、在状态迭代中直接加入随机性以支持探索、重塑梯度避免穿过高维视觉模型的脆弱"状态-输入"梯度。
Google Research 在 TMLR 发表论文,推出推理优先的合成数据生成框架 Simula,以机制设计思路将数据生成拆解为全局多样性、局部多样性、复杂化和双评论员质量检查四个可控轴,无需种子数据。
Google Research 提出 MoGen 神经元形态生成模型,基于 PointInfinity 点云 flow matching,用 1,795 条经人工验证的小鼠轴突训练生成合成神经形状,扩充 PATHFINDER 重建模型训练数据。
Google DeepMind 发布文本转语音模型 Gemini 3.1 Flash TTS,在 Artificial Analysis TTS 排行榜上获得 Elo 1,211 分,支持 70+ 语言和原生多说话人对话。
推荐理由:官方介绍了 audio tags 和 AI Studio 场景控制等新能力,读者可以了解 TTS 语音表达控制的实际用法。
Google Research 与纽约大学合作推出研究实验 Vantage,通过生成式 AI 在模拟环境中创建多方对话,评估高中生和大学生的批判性思维、协作等 future-ready 技能。
Google DeepMind 发布 Gemini Robotics-ER 1.6,相比 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 在指点、计数、成功检测等空间与物理推理能力上显著提升。
Google Research 发布 ConvApparel 数据集,包含超过 4,000 段、近 15,000 轮的人类-AI 多轮对话,用于量化 LLM 用户模拟器的“真实感差距”。
Google Research 推出两个学术智能体框架:PaperVizAgent(前称 PaperBanana)用于从论文文本生成可发表的学术插图,ScholarPeer 则自动生成基于文献、包含摘要与优缺点的评审报告。
Google Research 提出一个评估 25 个 LLM 行为倾向与人类对齐程度的框架,将标准化心理问卷改编为情境判断测试(SJT),并由 550 名参与者提供人类偏好分布。
Google Research 在论文《Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation》中研究 AI 评测中每条数据标注数与标注条目数的权衡,并开源了基于真实数据集的模拟器。
Mistral AI 发布 Spaces CLI,用于项目脚手架、开发环境搭建、配置生成和部署到 staging,从内部工具演化而来,同时服务人类开发者和编码 Agent。
Google Quantum AI 发布白皮书,更新了破解 256 位椭圆曲线离散对数问题(ECDLP-256)的量子资源估算,两条电路分别使用不到 1,200 个逻辑量子比特加 9,000 万个 Toffoli 门和不到 1,450 个逻辑量子比特加 7,000 万个 Toffoli 门,物理量子比特需求较此前降低约 20 倍。
推荐理由:Google 白皮书给出破解 ECDLP-256 更低的量子资源估算和零知识证明披露方式,加密社区可据此评估向 PQC 迁移的紧迫性。
Google 推出 Vibe Coding XR 工作流,结合 Gemini 的长上下文推理与 web 端 XR Blocks 框架,通过专门系统提示词和代码模板,将自然语言直接转化为可运行的 Android XR 应用,全程不到 60 秒。
Google Research 推出 TurboQuant 压缩算法(将发表于 ICLR 2026),通过结合 Quantized Johnson-Lindenstrauss(QJL)和 PolarQuant(将发表于 AISTATS 2026)实现零内存开销的向量压缩,可在不损失精度的情况下压缩模型和 KV cache。
Google Research 在 Earth AI 计划下推出自监督框架 S2Vec,为建成环境学习通用嵌入向量。该框架用 S2 Geometry 将地表划分为多分辨率单元,把建筑、道路等特征栅格化为多层图像,再用 masked autoencoding 无需人工标注地学习位置特征。
Mistral AI 发布首个文本转语音模型 Voxtral TTS,参数量 4B,支持英语、法语、德语等 9 种语言,定位低延迟语音生成。模型在人工评测中自然度超过 ElevenLabs Flash v2.5,与 ElevenLabs v3 质量相当;10 秒样本加 500 字符的模型延迟为 70ms,RTF 约 9.7x。
推荐理由:原文给出延迟、价格、人评对比和开源许可等关键细节,方便读者评估它在语音 Agent 场景中的可用性。
Google Research 在 Check Up 活动上介绍多项医疗 AI 进展:与 Fitbit 合作的个性化健康研究(Personal Health Agent)。
Google Research 与英国 NHS 合作的 AIMS 研究在 Nature Cancer 发表两篇论文,评估 AI 乳腺癌检测系统。
推荐理由:原文给出两篇 Nature Cancer 研究的具体结果和数字,读者可以据此了解 AI 在乳腺筛查双读流程中的实际表现与局限。
Mistral AI 发布 Forge,供企业基于内部文档、代码库和业务数据训练前沿级模型,使模型理解内部术语、工作流程与合规要求。Forge 支持预训练、后训练和强化学习,兼容 dense 与 MoE 架构及多模态输入,并内置数据管道与 Mistral AI 训练方法,支持持续评估与迭代。ASML、Ericsson、欧洲航天局等机构已与 Mistral AI 合作训练专有模型。
Mistral AI 发布 Mistral Small 4,是首个将 Magistral 推理、Pixtral 多模态、Devstral 智能体编码能力统一到单一模型的小型模型,采用 Apache 2.0 许可开源。
推荐理由:官方发布正文给出了完整的架构参数、基准对比和部署要求,读者可据此评估其替代多模型组合的可行性。
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron Coalition,计划与 NVIDIA 联合开发开源前沿模型,结合其模型架构和全栈 AI 平台与 NVIDIA 的算力、开发工具和合成数据生成管线。
Google Research 与 Cornell、Harvard 合作在 PNAS 发表论文,让 12 位高温超导领域专家出 67 道题、盲评 6 个 LLM 的回答。