Google DeepMind 发布 Gemini Omni Flash，支持对话式视频编辑
Google DeepMind 发布 Omni 家族首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本输入生成高质量视频，并通过自然语言多轮编辑视频。
推荐理由：Gemini Omni Flash 把对话式视频编辑和多模态输入整合进 Gemini 应用与 YouTube Shorts，读者可据此判断视频生成工作流的变化。
全部AI 动态
全部动态
今日 0 条Google DeepMind精选AI 评分8282
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini for Science 科研工具与 Science Skills
Google DeepMind 发布 Gemini for Science，包含 Google Labs 上三个实验性工具：基于 Co-Scientist 的 Hypothesis Generation。
推荐理由：Google DeepMind 把 Co-Scientist、AlphaEvolve 等能力打包成科研工具，读者可据此判断智能体在科研流程中的落地位置。
Google DeepMind精选AI 评分7272 Google 将 SynthID 与 C2PA 内容验证扩展到 Search、Gemini、Chrome 和 Pixel
Google 宣布扩展内容透明度与验证工具，把 SynthID 验证从 Gemini 应用扩展到 Search，并将在未来几周进入 Chrome，此前该功能已被使用 5000 万次。
推荐理由：Google 把 SynthID 与 C2PA 验证铺到 Search、Gemini、Chrome 和 Pixel，读者可据此了解内容溯源工具的落地范围。
Google DeepMindAI 评分2222 Google DeepMind 与新加坡达成国家 AI 合作，落地医疗、教育与科研项目
Google DeepMind 与新加坡政府达成国家 AI 合作，在新加坡推出多项计划，聚焦医疗健康、科学发现与教育。合作探索 AI 辅助临床的“三方护理”、用 AlphaFold 和 Google Earth 推进东南亚传染病研究，并开发基于 Gemma 的视障跑者助手。
Google DeepMindAI 评分3434 剑桥大学教授用 Google DeepMind Co-Scientist 锁定传染病分子开关
剑桥大学 Clare Bryant 教授利用 Google DeepMind 的 Co-Scientist 研究病原体跨物种传播引发的败血症等重症，工具生成并排序的假说中有一个她此前未关注的蛋白，关联到她已感兴趣的多个信号通路。
Google DeepMindAI 评分2222 Google DeepMind Co-Scientist 如何助力 Calico 探索衰老研究新路径
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 整合衰老生物学中零散的研究发现并生成可验证假设。
Google DeepMindAI 评分3636 Google Co-Scientist 加速肝病机制发现，提出 MASH 组合疗法新假设
爱丁堡大学团队用 Google Co-Scientist 研究 MASH 肝病，系统整合肝脏生物学与药理学证据，提出 NLRP3 炎症小体是连接炎症与代谢的关键分子桥梁，该假设随后经实验验证。团队借此锁定值得关注的机制并筛选出候选组合疗法，以应对 MASH 潜在药物配对数量过多的问题。
Google DeepMindAI 评分3131 Google DeepMind Co-Scientist 如何连接两个实验室推进 ALS 研究
Google DeepMind 的 Co-Scientist 帮助 MIT 机械工程师 Ritu Raman 快速梳理 ALS 相关文献，将想法转化为可检验假设并按可行性与风险收益排序。
Google DeepMind精选AI 评分6060 斯坦福团队用 Co-Scientist 筛选肝纤维化药物，两候选成功阻断纤维化
斯坦福大学医学院遗传学家 Gary Peltz 团队在《Advanced Science》发表研究，测试 Google DeepMind 的 Co-Scientist 能否从已有药物文献中筛选出可重定位治疗肝纤维化的候选药物。
推荐理由：通过斯坦福团队用 Co-Scientist 筛选肝纤维化疗法的对照实验，展示 AI 候选药物在活细胞测试中的表现差异。
Google DeepMind精选AI 评分6666 WeatherNext 如何帮助美国国家飓风中心预测飓风 Melissa 登陆牙买加
Google DeepMind 与 Google Research 开发的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天预测飓风 Melissa 将以五级强度登陆牙买加，置信度达 80%，三天前升至接近 100%。
推荐理由：原文给出 WeatherNext 在飓风路径与强度预测上的实测表现，读者可据此了解 AI 天气模型的实际预报能力。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 3.5 Flash，主打智能体与编码能力
Google DeepMind 发布 Gemini 3.5 模型系列，首发的 3.5 Flash 面向智能体与编码任务，在 Terminal-Bench 2.1 上得分 76.2%、GDPval-AA 1656 Elo、MCP Atlas 83.6%，CharXiv Reasoning 多模态理解为 84.2%，输出 token 速度是其他前沿模型的 4 倍。
推荐理由：官方给出 3.5 Flash 在编码与智能体基准上的具体分数和开放渠道，可据此判断它在长程任务中的定位。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Co-Scientist 多智能体科研系统
Google DeepMind 在 Nature 发表 Co-Scientist 研究，这是一个基于 Gemini 构建的多智能体系统，可迭代生成、辩论并演化科学假设。
推荐理由：原文披露了多智能体系统的三阶段架构与思路锦标赛机制，并给出多个实验室的落地案例。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前多数方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS）的并行结构与分解策略由外部预设，而非模型自主决定。
Google DeepMind精选AI 评分7474 Google DeepMind 公布 AlphaEvolve 一年落地成果
Google DeepMind 汇总了 Gemini 驱动的编码智能体 AlphaEvolve 发布一年来的应用成果，涵盖数学、量子物理、基因组、电网优化和 Google 内部基础设施。
推荐理由：官方汇总 AlphaEvolve 一年落地案例，覆盖基因组、电网、TPU 与商业客户，可据此判断编码智能体的实际渗透范围。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI co-clinician 医疗研究计划
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗。在 98 个真实初级保健查询的盲评中，该系统 97 例无关键错误，医生对其回答的偏好高于主流证据综合工具；在 140 项问诊技能评估中，AI 在 68 项达到或超过初级保健医生水平，但专家医生在识别危险信号和指导关键体格检查上整体更优。
推荐理由：DeepMind 公开 AI co-clinician 研究，给出医生盲评与 140 项问诊能力对比数据，可了解医疗智能体当前边界。
Google DeepMindAI 评分3838 Google DeepMind 宣布与韩国科学技术信息通信部达成 AI 合作
Google DeepMind 宣布与韩国科学技术信息通信部（MSIT）建立合作，将在首尔办公室设立 AI Campus，向韩国学界开放 AlphaEvolve、AlphaGenome、AlphaFold、AI co-scientist 和 WeatherNext 等前沿模型。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将大规模训练拆分为解耦的计算“岛屿”，岛屿间异步传输数据，从而隔离局部故障并降低带宽需求。
推荐理由：原文给出跨数据中心异步训练在带宽、容错和混合硬件上的实测结果，可据此判断分布式预训练的工程取舍。
Google DeepMindAI 评分2222 Google DeepMind 与埃森哲、贝恩、BCG、德勤、麦肯锡合作加速企业 AI 转型
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte、McKinsey 合作，推动前沿 AI 在企业的大规模落地。合作方将获得包括 Gemini 系列在内的前沿模型早期访问权限，并直接对接 Google DeepMind 技术团队，聚焦金融、制造、零售、媒体娱乐等行业的智能体转型。目前仅 25% 的组织成功将 AI 规模化投入生产。
Berkeley AI ResearchAI 评分4242 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以探索，并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的"状态-输入"梯度。该方法针对长时程规划中计算图病态、非贪心结构导致局部极小值以及高维潜空间失效模式等问题，使基于梯度的长时程规划更加稳健。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 发布 Gemini 3.1 Flash TTS，一款主打可控性与表现力的文本转语音模型，即日起面向开发者通过 Gemini API 和 Google AI Studio 预览，企业版在 Vertex AI 预览，Workspace 用户可通过 Google Vids 使用。
推荐理由：官方给出音频标签控制、Elo 1211 与 70+ 语言支持，可据此判断语音生成的可控性进展。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini Robotics-ER 1.6，新增仪表读数能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其推理优先机器人模型的升级版，强化了空间推理与多视角理解，并新增仪表读数能力，可读取压力表、液位计和数字读数。
推荐理由：官方给出与前代及 Gemini 3.0 Flash 的对比，并首次开放仪表读数能力，可据此判断机器人高层推理的进展。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemma 4 开源模型家族
Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四个尺寸，采用 Apache 2.0 许可。
推荐理由：Gemma 4 以 Apache 2.0 开放四个尺寸，并给出 Arena 排名与端侧多模态能力，便于判断开源模型与硬件部署的取舍。
Google DeepMind精选AI 评分6060 Google DeepMind 用 Gemini 重构鼠标指针，Chrome 与 Googlebook 已落地
Google DeepMind 公布由 Gemini 驱动的 AI 指针实验，提出维持心流、展示与讲述、用这用那、把像素变成可操作实体四条交互原则，让指针理解所指内容与用户意图。
推荐理由：Google DeepMind 公开 AI 指针的四条交互原则，并说明已落地 Chrome 与 Googlebook，读者可据此判断指向式交互的可行边界。
Berkeley AI ResearchAI 评分3939 Berkeley AI Research 提出 SPEX 与 ProxySPEX，可在规模化下识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在特征、数据和模型组件归因中识别 LLM 的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层次结构，以约 10 倍更少的消融达到 SPEX 的性能。
Berkeley AI ResearchAI 评分3131 伯克利提出信息驱动成像系统设计框架，NeurIPS 2025 论文验证四大成像领域
伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架，可直接从含噪测量中估计信息量，无需任务专用解码器。该方法在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证，信息估计能预测下游重建性能，优化后的设计达到端到端方法水平，且内存和算力需求更低。相关论文发表于 NeurIPS 2025。
Berkeley AI ResearchAI 评分3434 无需 TD 学习的强化学习：分治法实现长时程 off-policy RL
Berkeley AI Research 提出一种基于分治（divide and conquer）的 off-policy 强化学习算法，不依赖时序差分（TD）学习，可将 Bellman 递归次数从线性降为对数级，从而扩展到任意长时程任务。
Berkeley AI ResearchAI 评分2929 word2vec 究竟学到了什么：伯克利提出可闭式求解的学习理论
伯克利 AI 研究团队提出首个关于 word2vec 学习过程的定量预测理论，证明在现实训练条件下其学习问题可化简为无权重最小二乘矩阵分解，梯度流动态有闭式解，最终学到的表示等价于对目标矩阵 M* 做 PCA。