Google DeepMind 发布 Gemini for Science 科研工具集
Google DeepMind 发布 Gemini for Science，包含 Google Labs 上三个实验原型：基于 Co-Scientist 的 Hypothesis Generation。
推荐理由：Google 把 Co-Scientist、AlphaEvolve 等能力打包成科研工具集，含三个实验原型和一套 Science Skills，可登记申请试用。
全部AI 动态
全部动态
今日 90 条Google DeepMind精选AI 评分6262 Google DeepMind精选AI 评分6262 Google 将 SynthID 与 C2PA 内容验证扩展到搜索、Gemini 和 Chrome
Google 宣布把内容透明度与验证工具扩展到 Search、Gemini、Chrome、Pixel 和 Cloud，Gemini 应用中的 SynthID 图像、视频和音频验证已被使用 5000 万次，该能力今日起进入 Search、未来几周进入 Chrome。
推荐理由：Google 把 SynthID 与 C2PA 验证铺到搜索、Gemini 和 Chrome，并开放云上 AI 内容检测 API，可了解内容溯源工具的可用范围。
Ahead of AI · Sebastian RaschkaAI 评分6060 LLM 架构新动向：KV 共享、mHC 与压缩注意力
Sebastian Raschka 梳理近期开源权重模型的架构改动，指出长上下文效率已成为设计重心，KV cache 大小、内存流量和注意力开销是主要约束。文中逐一分析 Gemma 4 的跨层 KV 共享与逐层嵌入、Laguna XS.2 的逐层注意力预算、ZAYA1-8B 的压缩卷积注意力，以及 DeepSeek V4 的 mHC 与 CSA/HCA 压缩注意力。
Google DeepMind精选AI 评分6060 剑桥团队用 Google DeepMind Co-Scientist 寻找新发传染病的分子开关
剑桥大学 Clare Bryant 教授使用 Google DeepMind 的 Co-Scientist 研究病原体跨物种传播时引发脓毒症等重症的分子开关。她先输入一份流感研究基金申请摘要，工具生成并排序了一批假设，其中一些是她未曾考虑过的；基金获批后她又输入完整提案，Co-Scientist 优先标出了一个她此前未关注、却与她已有兴趣的多条信号通路相关的蛋白。
推荐理由：剑桥团队用 Co-Scientist 筛选跨物种感染致病蛋白，把原本两三年的氨基酸定位工作压缩到约六个月。
Google DeepMind精选AI 评分6060 爱丁堡团队用 Google Co-Scientist 加速 MASH 肝病机制发现
爱丁堡大学生物工程师 Filippo Menolascina 使用 Google Co-Scientist 梳理 MASH 肝病文献，综合肝脏生物学与药理学证据，筛选值得关注的机制和候选联合疗法。
推荐理由：爱丁堡团队用 Co-Scientist 梳理 MASH 文献并生成假设，锁定 NLRP3 炎症小体这一机制，为联合用药提供线索。
Google DeepMind精选AI 评分6262 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 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：Google DeepMind 与 NHC 合作案例，展示 AI 天气模型如何提前五天预测飓风登陆，可了解 AI 在极端天气预警中的实际作用。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 3.5 Flash，主打智能体与编码
Google DeepMind 发布 Gemini 3.5 模型家族，首发 3.5 Flash，定位为面向智能体与编码的前沿模型，在 Terminal-Bench 2.1 得分 76.2%、GDPval-AA 1656 Elo、MCP Atlas 83.6%，CharXiv Reasoning 84.2%，输出速度是其他前沿模型的 4 倍。
推荐理由：Gemini 3.5 Flash 主打智能体与编码能力，官方给出多项基准成绩和 4 倍输出速度，并已上线 Gemini 应用与 API。
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 AI 系统，通过生成、辩论和演化假设来处理复杂科学问题。
推荐理由：Google DeepMind 在 Nature 发布基于 Gemini 的多智能体科研系统，并开放给研究者申请试用。
Google DeepMind精选AI 评分7878 Google DeepMind 复盘 AlphaEvolve 一年落地：从 TPU 设计到企业应用
Google DeepMind 发布 AlphaEvolve 一年来的应用复盘，这款由 Gemini 驱动的编码智能体已从试点进入 Google 基础设施核心，用于优化下一代 TPU 设计、发现更高效的缓存替换策略，并将 Spanner 的写放大降低 20%。
推荐理由：Google 官方复盘 AlphaEvolve 一年落地，涵盖 TPU 设计、Spanner 优化与多家企业应用，附具体数字。
Last Week in AIAI 评分5050 LWiAI Podcast #243：GPT-5.5、DeepSeek V4 与 AI 安全破坏研究
OpenAI 发布 GPT-5.5，强化编码能力，定价高于 GPT-5.4，系统卡讨论了思维链可监控性与失准测试。DeepSeek 开源 V4（Pro 与 Flash），采用 MoE 扩展与混合压缩注意力实现 1M token 上下文；xAI 推出 Grok Voice Think Fast 1.0，称在 τ-voice Bench 以 67.3% 领先。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 AI co-clinician 医疗 AI 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的“三方照护”模式。
推荐理由：Google DeepMind 公布 AI co-clinician 研究计划，含 98 条问诊查询零关键错误与 140 项问诊技能对比结果。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布论文提出 Decoupled DiLoCo 分布式训练架构，把大规模训练拆分为解耦的计算岛屿，岛屿间异步传输数据，从而隔离局部硬件故障并降低带宽需求。
推荐理由：Google DeepMind 提出解耦式分布式训练架构，用异步岛屿降低带宽并隔离硬件故障，附 Gemma 4 实测结果。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 发布 Gemini 3.1 Flash TTS 文本转语音模型，在 Artificial Analysis TTS 排行榜上取得 1,211 Elo 分数，并进入其高性价比象限。
推荐理由：Gemini 3.1 Flash TTS 发布，新增音频标签控制语音风格与节奏，支持 70 多种语言，开发者可在 Gemini API 和 AI Studio 预览。
Google DeepMind精选AI 评分6262 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，这是其面向机器人的推理优先模型升级版，增强了空间推理和多视角理解能力，并新增仪表读数功能，可读取压力表、液位计和数字读数等设备。
推荐理由：Gemini Robotics-ER 1.6 升级空间推理与多视角理解，新增仪表读数能力，已通过 Gemini API 和 AI Studio 开放。
Ahead of AI · Sebastian RaschkaAI 评分6060 编码智能体的六大组件：从仓库上下文到子智能体委派
Sebastian Raschka 撰文拆解编码智能体（coding harness）的六个核心组件：实时仓库上下文、提示词结构与缓存复用、结构化工具与权限校验、上下文压缩、结构化会话记忆、以及受限子智能体委派。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemma 4 开源模型家族
Google DeepMind 发布 Gemma 4，称其为迄今最智能的开源模型，专为高级推理与智能体工作流打造，采用 Apache 2.0 许可。
推荐理由：Gemma 4 以 Apache 2.0 开源四个尺寸，覆盖从手机端到单卡 H100 的本地推理与微调场景。
Ahead of AI · Sebastian RaschkaAI 评分6262 2026 年 1 至 2 月十款开源权重 LLM 架构梳理
Sebastian Raschka 按发布时间顺序梳理 2026 年 1 月至 2 月的十款开源权重模型，包括 Arcee AI Trinity Large、Kimi K2.5。
Ahead of AI · Sebastian RaschkaAI 评分5050 LLM 2025 年度回顾：推理模型、RLVR 与 GRPO 的进展、问题与预测
DeepSeek 于 2025 年 1 月发布 R1 论文，证明推理行为可通过强化学习培养，其配套的 RLVR 与 GRPO 算法成为全年 LLM 开发的主导方向，各大开源与闭源厂商随后纷纷推出推理变体模型。
Ahead of AI · Sebastian Raschka精选AI 评分7878 从 DeepSeek V3 到 V3.2：架构、稀疏注意力与强化学习更新
Sebastian Raschka 撰文梳理 DeepSeek V3 到 V3.2 的技术演进，指出 V3.2 沿用 V3.2-Exp 的架构，核心变化是加入 DeepSeek Sparse Attention（DSA），把注意力复杂度从 O(L²) 降到 O(Lk)，token selector 的 top-k 在官方代码中设为 2048。
推荐理由：梳理 DeepSeek V3 到 V3.2 的架构与训练变化，说明稀疏注意力和自验证如何影响效率与数学能力。
Ahead of AI · Sebastian RaschkaAI 评分5050 超越标准 LLM：线性注意力混合架构等替代方案解析
Sebastian Raschka 撰文梳理了标准 Transformer 之外的 LLM 替代架构，涵盖文本扩散模型、线性注意力混合架构和代码世界模型等方向。
Ahead of AI · Sebastian RaschkaAI 评分6262 从 GPT-2 到 gpt-oss：架构演进逐项解析
Sebastian Raschka 通过阅读 gpt-oss 的模型代码和技术报告，逐项对比了 gpt-oss-20b/120b 与 GPT-2 的架构差异，包括去掉 Dropout。