Google DeepMind
共 52 篇文章
试点全球首个双盲 AI 评估
Google DeepMind 联合新加坡 AI 安全研究院、OpenMined、AVERI 和 MLCommons,开展全球首个针对专有前沿模型的双盲评估:利用 Google Cloud 机密计算中的 Confidential Space,通过密码学手段同时保证评估数据与模型权重互不可见,从技术上防止基准污染、提升评估可信度。
WeatherNext:AI 模型在气旋预报方面取得突破
Google DeepMind 的 WeatherNext AI 模型在气旋路径、强度和风结构预报上达到最先进精度,相当于多出一天的预警时间(约十年气象学进步),并已在《Nature》发表论文、开源 WeatherNext 2 与 WeatherNext Cyclones 模型。
Gemini Robotics 2 为机器人带来全身智能
Google DeepMind 发布 Gemini Robotics 2 系列模型,包含 VLA、具身推理和端侧三款模型,首次实现人形机器人从脚到指尖的全身控制、双手与夹爪的灵巧操作以及多机器人协作,端侧模型仅需几小时数据即可适配全新机器人本体。
Gemini 3.5 Flash Cyber 正式发布
Google DeepMind 发布基于 3.5 Flash 微调的轻量级网络安全模型 Gemini 3.5 Flash Cyber,可快速发现、验证并修补软件漏洞;在 CyberGym、Big Sleep 评估及 Chrome 提交扫描等基准上,以更低的成本取得了与更大模型相当甚至更优的表现,并将通过 CodeMender 以受限试点方式提供给政府和可信合作伙伴。
保障 AI 智能体的未来安全
Google DeepMind 发布 AI Control Roadmap 框架,将内部 AI 智能体视为潜在不对齐的'内部威胁',通过威胁建模、监督式监控与响应机制实现纵深防御,并已分析百万条编码智能体轨迹来支撑实时监控。
Co-Scientist:加速科研的多智能体 AI 合作伙伴
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,通过迭代地生成、辩论和演化新假设来攻克复杂科学问题,并已在肝纤维化、ALS、细胞衰老等生命科学课题中得到实验室验证。
Decoupled DiLoCo:迈向韧性分布式 AI 训练的新前沿
Google DeepMind 提出 Decoupled DiLoCo 分布式训练架构,将大规模训练拆分到彼此解耦的计算\"孤岛\"上并以异步方式通信,从而以更低带宽跨越远程数据中心训练 LLM,并显著增强硬件容错能力。用 Gemma 4 模型的测试表明,其 ML 性能与常规训练持平,同时训练速度比传统同步方法快 20 倍以上。
Gemini Robotics-ER 1.6:通过增强的具身推理驱动真实世界的机器人任务
Google DeepMind 发布 Gemini Robotics-ER 1.6,显著增强机器人的空间推理、多视角理解与成功检测能力,并新增仪表读数能力(与 Boston Dynamics 合作发现),已通过 Gemini API 和 Google AI Studio 向开发者开放。
用 Gemini Deep Think 加速数学与科学发现
Google DeepMind 发布两篇论文,展示由 Gemini Deep Think 驱动的数学研究智能体 Aletheia 在研究级数学、物理与计算机科学问题上取得多项成果,包括自主完成论文、解决悬而未决的猜想,并提出了对 AI 辅助数学研究的分级分类方法。
D4RT:教 AI 从四个维度看世界
Google DeepMind 推出统一模型 D4RT,用于跨时空的 4D 场景重建与跟踪。它采用基于查询的编码器-解码器架构,效率较以往方法最高提升 300 倍(单 TPU 上约 5 秒处理一分钟视频),可统一完成点跟踪、点云重建和相机位姿估计等任务,为机器人、增强现实和世界模型等应用铺路。
SIMA 2:一个能在虚拟 3D 世界中与你一起游玩、推理和学习的智能体
Google DeepMind 发布 SIMA 2,通过融入 Gemini 模型的推理能力,将 SIMA 从指令跟随者进化为可思考目标、与用户对话并持续自我改进的交互式游戏伙伴,在未见过的游戏中大幅缩小了与人类玩家表现差距,并向通用具身智能迈出重要一步。
CodeMender 简介:用于代码安全的 AI 智能体
Google DeepMind 发布 AI 智能体 CodeMender,可自动修复关键软件漏洞:它不仅能即时修补新漏洞,还能主动重写现有代码以消除整类漏洞,过去六个月已向开源项目贡献 72 项安全修复。
Gemini Robotics 1.5 将 AI 智能体带入物理世界
Google DeepMind 发布 Gemini Robotics 1.5 与 Gemini Robotics-ER 1.5 两款模型:前者是能在行动前先思考、可跨机器人本体迁移技能的视觉-语言-动作模型,后者是具备最先进空间理解能力的实体推理模型。二者协同让机器人能感知、规划并完成复杂的多步骤物理任务。
强化我们的 Frontier Safety Framework
Google DeepMind 发布 Frontier Safety Framework(FSF)第三版迭代:新增针对有害操纵的关键能力等级(CCL),扩展框架以应对 AI 模型失准(可能干扰运营者控制、修改或关闭其运行)的风险,细化风险评估流程,并在 2026 年 4 月的 3.1 版中引入 Tracked Capability Levels(TCL)以更早发现潜在风险。
为百年流体动力学难题发现新解
Google DeepMind 与布朗大学、纽约大学、斯坦福大学等机构的数学家合作,利用物理信息神经网络(PINN)与二阶优化器,在三种流体方程中系统性地首次发现了全新的不稳定奇点(数学爆破)族,并观察到不稳定阶数与爆破速度参数 λ 之间的清晰规律,精度达到前所未有的水平,为计算机辅助证明开辟了新路径。
Gemini 在国际大学生程序设计竞赛(ICPC)全球总决赛中达到金牌水平
Gemini 2.5 Deep Think 在 2025 年 ICPC 全球总决赛中正确解出 12 道题中的 10 道,达到金牌水平,若与参赛高校队伍同场排名将位列总榜第二,其中还包括一道没有任何高校队伍解出的题目,展现了 AI 抽象问题求解能力的重大飞跃。
Genie 3:世界模型的新前沿
Google DeepMind 发布通用世界模型 Genie 3,可根据文本提示实时生成可交互的动态世界:24 帧/秒、720p 分辨率,并能保持数分钟的一致性,为智能体训练与具身研究开辟新途径。
搭载 Deep Think 的 Gemini 高级版本在国际数学奥林匹克竞赛中正式达到金牌标准
搭载 Deep Think 的 Gemini 高级版本在 IMO 2025 中完美解出六道题中的五道,总得分 35 分,首次由 IMO 协调员按学生答卷标准正式评分认证达到金牌水平;模型全程以自然语言端到端作答,并在 4.5 小时赛时内完成。
Gemini Robotics On-Device 将 AI 带到本地机器人设备上
Google DeepMind 推出可在机器人设备本地高效运行的最强 VLA 模型 Gemini Robotics On-Device,具备通用灵巧操作能力与快速任务适配能力,只需 50 至 100 个演示即可微调适应新任务,并配套发布 Gemini Robotics SDK 帮助开发者评估与适配。
推进 Gemini 的安全防护
Google DeepMind 发布新白皮书,介绍如何通过自动化红队测试(ART)和模型加固等手段,大幅提升 Gemini 2.5 在工具调用过程中抵御间接提示注入攻击的能力,使其成为迄今最安全的模型系列。
AlphaEvolve:由 Gemini 驱动的编码智能体,用于设计先进算法
Google DeepMind 发布由大语言模型驱动的进化式编码智能体 AlphaEvolve,结合自动评估器进行通用的算法发现与优化:它提升了 Google 数据中心、芯片设计和 AI 训练的效率,改进了矩阵乘法算法,并为 50 多个数学开放问题中的 20% 找到了更优解。
评估先进 AI 的潜在网络安全威胁
Google DeepMind 发布了一套评估 AI 新兴网络攻击能力的框架与基准,涵盖网络攻击链的每个阶段。基于对 20 个国家超过 12,000 起真实 AI 滥用尝试的分析,基准包含 50 个挑战;初步评估表明,当今 AI 模型单独来看尚难以为威胁行为者带来突破性能力。
Gemini Robotics 将 AI 带入物理世界
Google DeepMind 基于 Gemini 2.0 推出两款新模型:面向机器人直接控制的 VLA 模型 Gemini Robotics,以及强化空间理解、供机器人专家接入自身控制器的 Gemini Robotics-ER。在综合泛化基准上,Gemini Robotics 的性能较其他最先进 VLA 模型平均提升一倍以上。
FACTS Grounding:评估大语言模型事实性的新基准
Google DeepMind 推出 FACTS Grounding 基准,用于评估大语言模型基于给定材料生成准确且详实回答的能力,并在 Kaggle 上线在线排行榜,公布了对多家领先模型的初期测试结果。
GenCast 以最先进的准确度预测天气与极端天气风险
Google DeepMind 发布概率集合预报 AI 模型 GenCast,在至多 15 天的预报中,对 1320 项指标中的 97.2% 优于 ECMWF 的 ENS 业务系统,并能更好地预测热带气旋路径与极端风、极端温度风险,模型代码与权重将开源。
Genie 2:大规模基础世界模型
Google DeepMind 发布基础世界模型 Genie 2,可从单张提示图生成无限多样、可由键鼠操控的 3D 交互环境,用于训练和评估具身智能体,并支持快速原型设计与反事实模拟等涌现能力。
推动音频生成的前沿
本文介绍了 Google DeepMind 最新语音生成研究的进展:新模型可在 3 秒内于单块 TPU v5e 芯片上生成 2 分钟的多说话人自然对话,速度超过实时 40 倍,并已支撑 Gemini Live、Project Astra、NotebookLM Audio Overviews 和 Illuminate 等产品。
AlphaChip 如何变革计算机芯片设计
Google DeepMind 公布 AlphaChip——基于强化学习的芯片布局设计方法,已在连续三代 Google TPU 上生成超越人类的芯片布局,并发布 Nature 增补说明与预训练模型权重,其影响已扩展至整个芯片设计行业。
我们在机器人灵巧操作方面的最新进展
Google DeepMind 发布两项机器人灵巧操作研究成果:ALOHA Unleashed 让机器人学会系鞋带、挂衣服等双臂复杂操作,DemoStart 则通过仿真强化学习显著提升多指机械手的真实世界表现。
推出 Frontier Safety Framework(前沿安全框架)
Google DeepMind 推出 Frontier Safety Framework,一套用于主动识别未来高级 AI 模型可能带来的严重风险、并建立检测与缓解机制的协议,涵盖自主性、生物安全、网络安全与机器学习研发四大风险领域,计划于 2025 年初全面落地。
用 SynthID 为 AI 生成的文本和视频添加水印
Google DeepMind 宣布了针对 AI 生成文本和视频的新型水印方法,并计划将 SynthID 引入 Gemini 应用和 Veo 等核心 Google 产品,同时将于今夏开源文本水印技术供开发者使用。
高级 AI 助手的伦理问题
Google DeepMind 发布迄今最大规模的伦理前瞻项目之一:首个系统性研究高级 AI 助手伦理与社会问题的论文,覆盖价值对齐、安全与滥用、经济与信息生态等议题,探讨这一技术可能带来的机遇与风险。
面向 3D 虚拟环境的通用 AI 智能体
Google DeepMind 推出可扩展可指导多世界智能体 SIMA,它能像人一样理解自然语言指令,在九款视频游戏和多个研究环境中执行任务。研究表明,跨多款游戏训练的智能体表现优于只玩单一游戏的专用智能体,展现出超越训练范围的泛化能力。
AlphaGeometry:达到奥赛水平的几何 AI 系统
Google DeepMind 推出 AlphaGeometry,一个神经-符号结合的 AI 系统,在国际数学奥赛几何题基准 IMO-AG-30 的 30 题中解出 25 题,接近人类金牌选手平均水平,远超此前最优系统的 10 题,并已开源代码与模型。
FunSearch:利用大语言模型在数学科学中做出新发现
DeepMind 推出 FunSearch,通过将预训练 LLM 与自动化评估器配对、以进化方式搜索计算机代码形式的'函数',首次利用 LLM 在数学开放问题上做出可验证的新发现,包括帽子集(cap set)问题的大型新构造,以及更高效的装箱(bin-packing)算法。
用深度学习发现数百万种新材料
Google DeepMind 的深度学习工具 GNoME 预测并发现 220 万种新晶体,其中 38 万种为最稳定的候选材料,相当于约 800 年的知识积累;全球实验室已独立合成验证其中 736 种,预测数据将向研究社区开放。
GraphCast:更快、更精准的全球天气预报 AI 模型
DeepMind 推出 GraphCast,一个基于图神经网络的中期天气预报 AI 模型,可在 1 分钟内以空前精度做出 10 天全球预报,在 1380 项测试指标中 90% 以上优于业界金标准 HRES,并能更早预警气旋、大气河流和极端高温等极端天气。
新一代 AlphaFold 先睹为快
Google DeepMind 展示了新一代 AlphaFold 模型的进展:预测精度显著提升,覆盖范围从蛋白质扩展到配体、核酸及翻译后修饰等几乎全部蛋白质数据库(PDB)中的生物分子,多个类别常达到原子级精度,并有望加速药物发现。
用 SynthID 识别 AI 生成的图像
Google DeepMind 发布 SynthID 测试版,可将不可感知的数字水印直接嵌入 Imagen 生成图像的像素中,并据此识别图像是否由 AI 生成;水印在加滤镜、改颜色、有损压缩等常见修改后仍可检测。
RT-2:将视觉与语言转化为行动的新模型
DeepMind 推出视觉-语言-动作(VLA)模型 RT-2,它同时学习网络数据和机器人数据,把知识转化为机器人控制的泛化指令,在未见过的场景上成功率从 RT-1 的 32% 提升到 62%,并展现出符号理解、推理和思维链规划等涌现能力。
AlphaDev 发现更快的排序算法
DeepMind 推出 AlphaDev——一个用强化学习发现更优计算机科学算法的 AI 系统,它找到了比现有方案更快的排序算法,已开源进 LLVM libc++ 标准库,其哈希算法也被并入 Abseil 库,每天被使用数万亿次。
用 AlphaCode 竞技编程
DeepMind 推出了 AlphaCode,一个能以竞技水平编写计算机程序的代码生成系统,在 Codeforces 编程竞赛中达到约中位数参赛者的水平。它利用基于 transformer 的语言模型大规模生成代码,再通过智能过滤筛选出少量有潜力的程序。
奖励正确时,非预期目标也会产生
本文探讨了目标错误泛化(Goal Misgeneralisation,GMG):AI 系统的能力成功泛化、但目标却没有按预期泛化,于是该系统会很在行地去追求错误的目标。与 specification gaming 不同,即使训练规范完全正确,GMG 也可能发生,文中通过强化学习智能体和大语言模型少样本学习的例子展示了这一现象。
用 AlphaTensor 发现新颖算法
Google DeepMind 推出 AlphaTensor,首个用于发现矩阵乘法等基础任务高效且可证明正确算法的 AI 系统,将 AlphaZero 从棋类游戏拓展到数学,在 4x5 乘 5x5 矩阵乘法上把乘法次数从 100 次降到 76 次,并首次改进了 Strassen 50 年前的算法。
AlphaFold 揭示蛋白质宇宙的结构
AlphaFold 发布并开源一周年之际,DeepMind 与 EMBL-EBI 合作,将 AlphaFold 蛋白质结构数据库从近 100 万个结构扩展到超过 2 亿个,几乎涵盖科学界已编目的所有蛋白质,加速从塑料污染到抗生素耐药性等现实问题的研究。
通用智能体
受大规模语言建模进展的启发,DeepMind 用类似的方法构建了一个超越文本输出范畴的单一通用智能体 Gato。同一个网络使用同一组权重,即可玩 Atari 游戏、为图像生成描述、对话、用真实机械臂堆叠积木等,并根据上下文决定输出文本、关节力矩、按键或其他 token。
计算最优大语言模型训练的实证分析
本文实证研究了在算力预算给定时,模型参数量与训练 token 数之间的最优权衡,发现当前大语言模型相对其算力预算而言过大、训练数据不足。据此训练的 700 亿参数模型 Chinchilla 用与 Gopher 相同的算力,在几乎所有测试任务上都超越了 Gopher。
MuZero:无需规则即可掌握围棋、国际象棋、将棋和 Atari 游戏
DeepMind 发布 MuZero,它无需被告知环境规则,就能通过学习只对决策最重要的环境要素并结合树搜索进行规划,在 Atari 基准上创下新纪录,同时在围棋、国际象棋和将棋上达到 AlphaZero 的超人水平。
AlphaFold:生物学 50 年重大挑战的解决方案
DeepMind 的 AI 系统 AlphaFold 在 CASP14 蛋白质结构预测评估中以 92.4 的中位 GDT 分数被视为解决了困扰生物学界 50 年的蛋白质折叠问题,预测精度达到与实验方法相当的水平,为药物设计和疾病研究等领域打开新可能。
Agent57:首次超越人类 Atari 基准
DeepMind 提出 Agent57,这是首个在全部 57 款 Atari 2600 游戏上都超过人类基线得分的深度强化学习智能体,其结合了高效探索算法与可自适应调整探索/利用权衡及时间尺度的元控制器。
AlphaStar:用多智能体强化学习在《星际争霸 II》达到宗师级水平
AlphaStar 成为首个在无任何游戏限制的条件下达到《星际争霸 II》宗师级(Grandmaster)的 AI:在职业选手认可的接口与操作频率限制下,以星灵、人族、虫族三族均达到天梯前 0.2% 的水平。本文介绍了联盟(League)训练、模仿学习与新型离策略强化学习等关键技术。
AlphaZero:为国际象棋、将棋和围棋带来新的启示
AlphaZero 通过自我对弈的强化学习,从零开始分别掌握了国际象棋、将棋和围棋,并击败了各自的冠军程序。完整评估结果发表于《Science》,显示其棋风充满创造力与动态性,超越了传统手工规则引擎。