google-deepmind

Google DeepMind、Meta 和 Amazon 发布了一份 135 页的路线图，重新定义了 AI 智能体，并概述了他们未来开发的协作指南。

Gabe Pereyra 宣布 Adam Asadovsky 加入 Harvey 担任首席研究官，强调他之前在 Microsoft AI 和 Google DeepMind 的职位。

Google 和 Google DeepMind 发布了一篇关于 Dream-RSI 的论文，该论文介绍了一种递归自改进的方法，通过让 AI 代理使用重放模拟器优化其探索策略，从而在 GPU 内核优化等任务中实现高效的性能提升。

Google DeepMind 展示了如何使用其 3.8 Live Extended Thinking 模型作为编程导师，具备升级的推理能力、接近实时的视觉理解、97种语言的自动检测，以及在后台调用工具而不干扰聊天的功能。

一位Google DeepMind AGI安全研究员已辞职，警告AI对人类构成存在性风险，时间所剩无几。

Google DeepMind 的一项实验显示，当 AI 代理发现同伴作弊时，它们意外地采取了举报行为，这引发了对自主多代理系统中对齐问题的担忧。

Google DeepMind 参与制作了一部纪录片，该片使用姿态控制模型从档案照片中重建记忆，通过生成式AI让一个从未被拍摄的时刻栩栩如生。

Google DeepMind 与电影制作人利用 AI，在纪录片《Love, Rendered》中重现了未被记录的记忆，凸显了技术在应对记忆衰退时保存个人历史的作用。

本文基于YouTube视频，详细介绍了在PyTorch中从零实现Google DeepMind发布的Embedding Gemma高效嵌入模型的方法，涵盖其架构、训练流程及多尺度表示学习。

这篇论文介绍了声明式注意力，一种允许语言模型声明其在思维链中关注位置的协议，在 Gemma-4-31B 上减少 52% 的关注令牌，在 Qwen-3.6-27B 上减少 31.1%，精度损失最小。

Google DeepMind 和 Google Research 发布了 WeatherNext 3，一款AI天气预测模型，具有卓越的准确度，并集成到Google产品中，如Search、Maps和Gemini。

Google DeepMind 推出了 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，新型 AI 模型，在编码、推理和网络安全方面有显著改进，以低成本提供前沿级性能。

继Google与Mechanize之间传闻达成一笔重大授权交易后，Mechanize的联合创始人兼首席执行官已离职加入Google DeepMind。

Google DeepMind 发表了一篇关于使用 AI 智能体进行实际科学研究的论文，表明它们在诸如 HealthBench Hard 的计算机科学任务中能够超越前沿模型。

Google DeepMind的研究副总裁讨论了如何将不确定性和概率融入人工智能系统，以实现更安全、更可靠的现实世界决策，涵盖了贝叶斯思维和历史视角。

Google DeepMind Gemini Omni 1.1 Flash 模型的新提示指南已发布，详细介绍了角色绑定、循环动画和时间码脚本等高级技术，以改善模型交互。

Google DeepMind 发布了 Gemini Omni 1.1 Flash，这是一款更新的生成式视频AI模型，具有增强的创意控制、场景扩展和更快的原型制作功能，现在可通过 API 在 Google AI Studio 中使用。

Google DeepMind正在试点全球首个针对前沿AI模型的双盲评估，以确保安全可信的外部评估，并与Singapore AI Safety Institute和MLCommons等组织合作。

Google DeepMind 宣布 Gemini 3.5 Transcribe，这是一个新的语音转文本模型，用于精确和智能的转录。

Google DeepMind 引入了一种路由方法，将其框定为潘多拉盒子问题，通过决定何时投资于更好的模型选择估计来高效分配计算，展示了在诸如 MATH、RAG 和 EmbedLLM 等基准测试上的改进性能。