Google DeepMind 发布 Gemma Scope 2:覆盖 Gemma 3 全系列的开放可解释性工具套件
Google DeepMind 发布开源可解释性工具套件 Gemma Scope 2,覆盖 Gemma 3 从 270M 到 27B 的全部模型尺寸,结合稀疏自编码器(SAE)与 transcoder 分析模型内部行为。
Google DeepMind 发布开源可解释性工具套件 Gemma Scope 2,覆盖 Gemma 3 从 270M 到 27B 的全部模型尺寸,结合稀疏自编码器(SAE)与 transcoder 分析模型内部行为。
Google Research 在 STOC 2026 试点 Paper Assistant Tool(PAT),基于 Gemini 2.5 Deep Think 在提交后 24 小时内为理论计算机科学论文提供自动反馈。PAT 识别出计算错误、不等式误用和证明逻辑漏洞等问题,97% 的受访作者认为反馈有用并愿意再次使用,88% 希望在整个研究过程中持续使用;工具定位是辅助而非替代同行评审。
推荐理由:官方报告了 STOC 2026 投稿试点中的实测数据与作者反馈,读者可据此了解 AI 辅助审稿在理论数学写作中的实际表现。
Google DeepMind 发布面向实时语音 Agent 的更新版 Gemini 2.5 Flash Native Audio,提升函数调用、指令遵循与多轮对话能力,在 ComplexFuncBench Audio 上得分 71.5%,开发者指令遵循率从 84% 升至 90%。
推荐理由:官方给出了函数调用、指令遵循的具体提升数据和落地入口,读者可以据此评估现有语音 Agent 是否值得升级。
Google 联合 SisonkeBiotik、Ro'ya 和 DS-I Africa 举办全非健康数据科学 Ideathon,参赛团队基于 Google 开源健康模型 MedGemma、TxGemma 和 MedSigLIP 解决现实健康挑战,从 30 多份提交中选出六支决赛队伍。
Google DeepMind 与英国 AI Security Institute(AISI)签署新谅解备忘录,将合作从模型测试扩展到更基础的安全研究。双方将共享专有模型与数据、联合发布报告,重点研究方向包括监测 AI 的链式推理(CoT)过程、研究社会情感对齐问题,以及通过模拟任务评估 AI 对经济系统的长期影响。
Google Research 在 COLM 2025 发表 Urania 框架,用差分隐私(DP)从 LLM 聊天机器人对话中提取洞察,提供数学化的端到端隐私保证。框架通过 DP 聚类、DP 关键词提取(三种方法生成关键词)和仅基于匿名关键词的 LLM 摘要生成,确保单条对话不影响输出。评测显示更强隐私设置会降低摘要粒度,但 LLM 评估者最多 70% 的情况更偏好该 DP 框架生成的摘要。
Google DeepMind 于 2025 年 12 月 10 日宣布深化与英国政府的合作,涵盖科学发现、教育、公共服务现代化与国家安全。
Google DeepMind 与 Kaggle 于 2025 年 12 月 9 日发布 FACTS Benchmark Suite,在原 FACTS Grounding 基础上新增 Parametric、Search 和 Multimodal 三个基准,共 3513 条公开样例,并保留私有评测集由 Kaggle 托管公开排行榜。
Google Research 在两篇新论文中推出 Titans 架构和 MIRAS 理论框架,将 RNN 的速度与 Transformer 的精度结合。Titans 用多层感知机作为神经长期记忆模块,通过“惊喜度量”(surprise metric)在运行时选择性存储意外信息,并辅以动量和自适应遗忘机制,实现无需离线重训练的测试时记忆。
Google DeepMind 介绍 Michigan State University 的 Berkley Walker 团队利用 AlphaFold 预测光合作用关键酶 glycerate kinase(GLYK)的 3D 结构。
Google Research 发布声音嵌入基准 MSEB,已在 NeurIPS 2025 上展示。该基准统一评估检索、推理、分类、转写、分割、聚类、重排序、重构 8 项听觉能力,核心数据集 SVQ 包含 177,352 条口语查询,覆盖 26 个地区和 17 种语言,已在 Hugging Face 开源。初始实验显示,现有声音表示远非通用,全部 8 项任务仍存在较大性能提升空间。
AlphaFold 2 于 2020 年在 CASP14 比赛中高精度解决蛋白质结构预测难题,五年间推动全球生物科学发现,并于 2024 年获诺贝尔化学奖。其免费的 AlphaFold Protein Database 已被 190 多个国家超过 300 万研究者使用,相关研究被引用超 35,000 篇论文。
密苏里大学研究人员结合冷冻电镜与 AlphaFold,解析了'坏胆固醇'LDL 核心蛋白 apoB100 的结构,该蛋白困扰科学界约 50 年。模型显示 apoB100 形成包裹 LDL 颗粒的笼状外壳和维持颗粒完整性的带状结构,为高胆固醇和动脉粥样硬化性心血管疾病(ASCVD)的预防、诊断与治疗提供新方向。
Google DeepMind 宣布支持白宫 Genesis Mission,与 DOE 合作加速美国科学研究。
Google Research 发布一个轻量级线性回归模型,预测特定时间后电动车充电桩可用的概率。团队在加州和德国的真实充电网络数据上训练,以一天中各小时为特征,在 30 和 60 分钟预测窗口、100 座随机选取的站点上评估,表现优于"保持当前状态"基线。该简单模型依赖易获取的特征即可实现低延迟部署,有助于减少里程焦虑。
Google DeepMind 宣布在 Gemini app 中支持验证图片是否由 Google AI 生成或编辑,基于 SynthID 数字水印技术,用户上传图片询问即可检测。
推荐理由:原文说明了 Gemini app 内用 SynthID 验证 AI 图片的具体用法,以及后续扩展到视频音频和 C2PA 的计划。
Google DeepMind 发布 Nano Banana Pro(Gemini 3 Pro Image),基于 Gemini 3 Pro 的高保真图像生成与编辑模型,已开始在 Google AI Studio 和 Vertex AI 面向付费预览推出。
推荐理由:官方发布文给出了模型能力细节、2K/4K 分辨率、接入渠道和定价定位,开发者可据此评估是否切换或叠加使用。
Google DeepMind 发布 Nano Banana Pro(Gemini 3 Pro Image),基于 Gemini 3 Pro 的新一代图像生成与编辑模型。
推荐理由:官方发布新图像模型,列出文本渲染、多语言、4K 分辨率等具体能力变化和各产品入口,读者可以对照评估使用方式。
Google 描述一个端到端语音到语音翻译(S2ST)模型,将传统级联方案 4–5 秒的延迟降至 2 秒,并以原说话人音色直接输出翻译音频。
推荐理由:原文给出了模型架构、延迟数据与部署位置,读者可以了解端到端语音翻译与级联方案的差异及落地方式。
Google DeepMind 发布 Gemini 3,称 Gemini 3 Pro 为其最智能模型,在各大基准上超越此前的 2.5 Pro。
推荐理由:官方发布给出了 Gemini 3 Pro 的基准成绩、API 定价和新工具入口,开发者可以直接评估是否迁移到现有编码与智能体工作流。
Google DeepMind 宣布在新加坡开设新的 AI 研究实验室,过去一年其亚太团队规模已扩大逾一倍。
Google DeepMind 发布 Gemini 3,先以 Gemini 3 Pro 预览版形式推出,并预告增强推理模式 Gemini 3 Deep Think。
推荐理由:官方发布给出完整基准成绩和覆盖入口,读者可据此判断 Gemini 3 Pro 的推理与编码能力以及它如何嵌入现有工具链。
Google DeepMind 推出智能体开发平台 Google Antigravity,包含 AI IDE 式 Editor 界面和面向异步协作的 Manager 界面,支持智能体自主规划并执行端到端软件任务。
推荐理由:官方宣布了 Antigravity 的产品形态、免费预览和可用模型,读者可据此评估它对现有开发流程的影响。
Google 发布生成式 UI 实现,可按提示词动态生成网页、游戏、工具等定制交互界面,相关论文为 Generative UI: LLMs are Effective UI Generators。
推荐理由:原文介绍了生成式 UI 的实现原理、产品入口和人评结果,读者可以了解这一交互范式如何落地到现有产品。
Google DeepMind 与 Google Research 发布 WeatherNext 2 天气预报模型,生成预报速度快 8 倍,分辨率最高达 1 小时。
推荐理由:Google DeepMind 官方介绍了 WeatherNext 2 的技术细节、性能对比数据和开放获取渠道,读者可以据此评估其在天气预报场景的可用性。
Google 与 Google DeepMind 联合 World Resources Institute 等机构发布 Natural Forests of the World 2020 地图与数据集,成果发表于 Nature Scientific Data。
Google DeepMind 发布 SIMA 2,将 Gemini 模型嵌入智能体核心,使其从跟随指令进化为能思考目标、与用户对话并自我改进的通用游戏智能体。
推荐理由:官方介绍 SIMA 2 如何借 Gemini 从执行指令走向推理与自改进,读者可了解具身智能体训练路径。
Google Quantum AI 与 Stanford、MIT、Caltech 合作者在 Nature 论文中提出 Decoded Quantum Interferometry(DQI),利用量子干涉并结合解码算法,为某些优化问题寻找近似最优解。
Hugging Face 宣布与 Google Cloud 达成更深入的合作,帮助企业在 Google Cloud 上用开放模型构建自己的 AI。
Google 发布 JAX-Privacy 1.0,一套构建和审计差分隐私(DP)模型的开源工具包,提供 DP-SGD、DP-FTRL、DP 矩阵分解等算法和基于 JAX 的原生并行扩展能力。库内含 per-example 梯度裁剪、噪声注入、微批处理等组件,并附 Keras 下微调 Gemma 系列模型的完整示例,此前曾用于训练 VaultGemma。
Google DeepMind 在 Nature 发表论文,分析 AI 视觉模型组织视觉世界的方式与人类不同,并提出一种对齐方法。该方法基于预训练模型 SigLIP-SO400M 和包含数百万条人类“找出不同项”判断的 THINGS 数据集,训练教师模型后生成百万图像规模的新数据集 AligNet,再用其微调学生模型。对齐后的模型内部表征按类别清晰组织,鲁棒性和泛化能力得到提升。
Google DeepMind 介绍了与北爱尔兰教育部门 C2k 合作为期六个月的试点项目,100 名教师在课堂中使用 Gemini 和 Google Workspace 工具,平均每人每周节省 10 小时,试点共记录超过 600 种 Gemini 使用场景。
Google Research 在 NeurIPS 2025 发表 Nested Learning 论文,将机器学习模型视为多层嵌套的优化问题,统一模型架构与优化算法两个层面。
推荐理由:原文提出把模型架构与优化算法统一为嵌套优化问题的新范式,并给出 Hope 架构的实验验证,对持续学习方向有方法层面的参考价值。
Google Research 推出 DS-STAR 数据科学智能体,通过数据文件分析模块、LLM 判官验证和顺序规划迭代三项创新,支持 JSON、非结构化文本等异构数据格式。
Google DeepMind 发布三项生物圈研究:与 World Resources Institute 合作建立基于 vision transformers 的森林砍伐风险预测模型,分辨率达 1km²、预测可细至 30 米,覆盖 2000-2024 年,并发布预测基准数据集。
Google Research 与 World Resources Institute 合作发布 ForestCast,一个基于纯卫星数据、用 vision transformers 预测森林砍伐风险的深度学习模型,准确度可持平或超过依赖道路等专用输入的现有方法。
Google 发布预印论文,提出 Project Suncatcher 计划,设想在晨昏太阳同步低地球轨道部署搭载 TPU、以自由空间光链路互联的太阳能卫星星座来扩展 AI 算力。
推荐理由:Google 官方给出太空 AI 算力设想的关键数据与验证进展,读者可据此了解星载 TPU、星间光链路与发射成本的具体可行性分析。
Google Research 在 Mountain View 的 Research@ 活动上汇总多项进展。
Google 发布 provably private insights(PPI)系统,结合 LLM、差分隐私和可信执行环境分析 GenAI 使用数据,保证个体数据不可查看、聚合结果匿名。
Google Research 在 UIST'25 上发布 StreetReaderAI,一个基于 Gemini 的无障碍街景概念验证原型,可为盲人和低视力用户提供实时 AI 场景描述与对话导航。