John Platt 谈 Google ERA:把科研问题变成可打分任务
Latent Space 对话 Google 的 John Platt,讨论其团队提出的 Empirical Research Assistance(ERA):把可用分数函数描述的科研问题交给 Gemini 维护实验树、用 UCB 规则选择笔记本并批量提出变异,已产出至少十篇论文。
Latent Space 对话 Google 的 John Platt,讨论其团队提出的 Empirical Research Assistance(ERA):把可用分数函数描述的科研问题交给 Gemini 维护实验树、用 UCB 规则选择笔记本并批量提出变异,已产出至少十篇论文。
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking,前者主打规模化与成本效率,后者面向高复杂度任务,支持边推理边说话。
推荐理由:官方给出两款语音模型的基准分数、价格定位与开放渠道,可据此判断语音智能体的选型与部署时机。
Anthropic 于 8 月 11 日宣布未来所有 Claude 模型都将生成带水印的文本,其方案基于 Google 用于 Gemini 的 SynthID-Text,OpenAI 尚未推出但计划跟进。
中国网信办等机构发布新规,自 7 月 15 日起监管提供持续情感互动的拟人化 AI 服务,要求不得制造情感依赖、不得挤占人际交往,并对老年人设额外保护、禁止向 18 岁以下用户提供虚拟亲密关系,成人使用陪伴类 AI 每 2 小时需收到一次 AI 非人类的提醒。
智谱 GLM-5.3 从 GLM-5.2 及更早版本的 MIT 许可证转为自定义许可证:若被许可方或其关联方运营 Model as a Service 业务且连续 12 个月总收入超过 100 亿美元,须先通过 Z.AI 安全审查,方可商用。
Google DeepMind 推出 AlphaGenome Atlas,一个包含人类基因组约 90 亿个单核苷酸变异效应预测的平台,以 1-petabyte 数据集预计算 AlphaGenome 的预测结果。
推荐理由:AlphaGenome Atlas 把全基因组 90 亿个单碱基变异的预测预计算成可检索平台,读者可据此了解变异解读资源的规模与开放方式。
Google DeepMind 于 9 月 8 日发布 AlphaGenome Atlas,这是一个在线仓库,预先计算了参考人类基因组全部 90 亿种单碱基变异的 AlphaGenome 预测结果。
Google DeepMind 发表论文,让 100 个运行 Gemini 3.1 Pro 的自主 LLM 智能体协作求解 71 道数学题,并提供公共公告板、私信和共享知识库三种协作渠道。
Google DeepMind 与 Google Research 发布 WeatherNext 3 全球天气模型,直接学习实时对地静止卫星观测数据,每小时输出一次预报,温度等关键地表变量分辨率达 5 公里,较上一代 WeatherNext 2 的 25 公里、6 小时更新提升约 5 倍。
推荐理由:官方披露了分辨率、更新频率与训练数据来源的变化,可对比上一代判断天气模型精度提升的路径。
Google DeepMind 发布 Gemini 3.8,包含两个变体:Gemini 3.8 Flash 面向软件工程、智能体任务和多步推理,定价与 3.7 Flash 相同,为每百万输入 token $0.75、输出 token $3.75;Gemini 3.8 Flash Cyber 面向漏洞检测与自动修补,通过新的 Fairwind Program 向受信任防御方开放。
推荐理由:官方给出 3.8 Flash 与 Cyber 两个变体的定价、基准表现和开放入口,便于对照 3.7 判断升级幅度。
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能,通过动态检索帧、音频和转录文本,将 token 消耗降低最多 88%、分析成本降低最多 66%、准确率提升最多 7%。
推荐理由:Gemini 新功能给出 token 与成本下降幅度及启用方式,读者可据此评估长视频分析流程的改动空间。
Google DeepMind 发布 Gemini Omni 1.1 Flash,面向开发者提供更可控的生成视频能力,通过 Gemini API 在 Google AI Studio 等平台开放。
推荐理由:原文列出场景延展、首尾帧指定、4K 放大等具体能力与开放入口,可据此评估生成视频在开发流程中的可控性。
Google DeepMind 与新加坡 AI Safety Institute、OpenMined、AVERI 和 MLCommons 合作,对一款 Gemini Flash Lite 模型开展全球首个针对专有前沿模型的双盲评测,将外部评测限制在密码学保护的“盒子”中,防止评测题目被模型用于提前优化。
Google DeepMind 发布 Gemini 3.5 Transcribe,一款面向实时转写的语音转文字模型,已在 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 开放公开预览。
推荐理由:官方给出 WER、延迟提升和两套 API 入口,读者可据此判断语音转写能否接入现有工程链路。
Google DeepMind 回顾 15 年游戏 AI 研究历程,从 DQN 玩转 49 款 Atari 游戏,到 AlphaGo、AlphaZero、MuZero、AlphaStar,再到由 Gemini 驱动的通用智能体 SIMA 2。
在 Google 工作超 14 年、参与 Chrome DevTools 与 Core Web Vitals 的 Addy Osmani 认为,AI 辅助开发的最大风险是"认知投降",即对问题理解与记忆的侵蚀。他建议通过理解 LLM 的每个关键决策来对抗,并以"互相放大"方式使用 AI 工具,同时强调 AI 无法承担责任,软件工程师仍将重要。
Import AI 第 469 期介绍了 DiG-bench(Discovery in Games)基准,包含 70 款规则与目标均隐藏的手工游戏,其中 21 款已公开,Opus 5 和 Fable 5 搭配 Claude Code 表现最佳,但仅能在 Tier 7 取得 0.2 分。
Google DeepMind 发布 Gemini 3.7 Flash,称其为面向编码和智能体最智能的主力模型,距 Gemini 3.6 Flash 仅三周,首发价为 3.6 Flash 每百万 token 成本的一半,即 $0.75/1M 输入 token、$3.75/1M 输出 token,优惠持续到年底。
推荐理由:相较 3.6 Flash 的编码与知识工作基准提升和限时半价定价,是判断其性价比的直接依据。
Google DeepMind 发布多语种手语转文本模型 SL2T,并在 Pixel 11 的 Gboard 与 Live Transcribe 中以 ASL 转英文的听写功能首次进入消费产品,训练数据超 10 万小时、覆盖 50 多种手语。
推荐理由:官方给出了 SL2T 的数据规模、基准成绩和隐私处理方式,可据此判断手语翻译在消费端落地的可行边界。
Google DeepMind 在 Nature 发表论文,称 WeatherNext AI 模型在气旋路径、强度和风场结构预测上达到 SOTA,平均比分先模型多出超过一整天的预警提前量,三天预报精度相当于过去两天。
推荐理由:原文给出气旋路径与强度预报的量化领先幅度,以及模型权重开源的具体范围,读者可据此判断气象预报的 AI 替代空间。
Google DeepMind 发布面向机器人的具身推理模型 Gemini Robotics ER 2,作为高层“大脑”负责对话、理解物理世界并规划多步任务,再把电机执行交给底层 VLA 模型。
推荐理由:Gemini Robotics ER 2 给出了多机器人协作与视频进度追踪的能力细节和开发者接入方式。
Google DeepMind 发布新一代音乐生成模型 Lyria 3.5,并在 Google Flow Music 中上线。官方称其在音乐性、歌词、人声和创作控制上有提升,包括更复杂自然的主旋律结构、提示词遵循与结构感知更好的歌词、更具情感细节和发音更准的人声,以及更易控制输出tempo和时长。
推荐理由:官方给出 Lyria 3.5 在旋律、歌词、人声与节奏控制上的具体升级点,可据此判断音乐生成的可用边界。
Google DeepMind 发布 Gemini Robotics 2,通过 VLA 模型、具身推理模型 Gemini Robotics ER 2 和端侧模型 Gemini Robotics On-Device 2 三个模型,实现人形机器人全身控制、灵巧操作与多机器人协作。
推荐理由:原文给出三个模型的职责分工与开放入口,读者可据此判断机器人智能层在全身控制与本地部署上的实际进展。
Google 承诺向 Genesis Mission 提供价值 4000 万美元的 AI tokens 和额度,用于加速科学发现前沿。该承诺以 AI 算力资源形式投入,具体支持方式与参与机构未在原文披露。
Google DeepMind 发布三款 Gemini 新模型:3.6 Flash 主打编码与知识工作,在 Artificial Analysis Index 上输出 token 用量比 3.5 Flash 减少 17%。
推荐理由:三款 Flash 新模型同时给出 token 效率、价格与基准对比,可据此判断智能体工作流的成本变化。
英国 AI Security Institute 分析发现,开源权重模型与闭源前沿模型在网络安全能力上的差距正在缩小,GLM-5.2 和 DeepSeek V4-Pro 的表现接近 4 至 7 个月前发布的闭源前沿模型,比 2025 年大部分时间测得的 6 至 10 个月差距更窄。
Google DeepMind 发布 Gemini 3.5 Flash Cyber,一个基于 3.5 Flash、针对漏洞发现与修补微调的轻量网络安全模型,称其在相关任务上优于主线 Flash。
推荐理由:轻量网络安全模型通过多次调用代替昂贵大模型,给出 CyberGym 与 Chrome 流水线上的可验证对比。
Google DeepMind 与 Isomorphic Labs 公布联合生物韧性方案,从预防、检测、响应三方面推进:对 Gemini 等模型执行威胁建模、评估、缓解与监控四步安全流程,并尝试将 SynthID 水印技术用于生物学以筛查 AI 生成的 DNA 序列。
Google DeepMind 在印度启动 ATL Saathi 试点,这款由 Gemini 驱动的 Web 应用为 Tinkering Lab 教师提供 24/7 备课与培训助理。
Google DeepMind 与 A24 宣布达成首个研究型合作伙伴关系,双方将围绕多个项目展开深度研发协作,让 A24 及旗下电影人参与塑造新技术。Google 同时对 A24 进行了投资。
Hugging Face 与 Cerebras 展示了基于 Gemma 4 的实时语音到语音管线,采用模块化的开源架构。流程为 Nvidia 的 Parakeet 做语音识别,Gemma 4 VLM 在 Cerebras 上推理,再由阿里 Qwen3TTS 做文本转语音。
Google DeepMind 发布 Nano Banana 2 Lite(gemini-3.1-flash-lite-image)和 Gemini Omni Flash(gemini-omni-flash-preview)两款模型。
推荐理由:两款模型给出明确的延迟、单价与可用入口,读者可据此判断图像与视频生成流水线的成本变化。
Google DeepMind 宣布 computer use 成为 Gemini 3.5 Flash 的内置工具,开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 构建能在浏览器、移动端和桌面环境中看、推理并采取行动的智能体。
推荐理由:原文说明了 computer use 从独立模型并入主力 Flash 模型,并给出企业可用入口和两个安全防护机制。
Google Chrome 团队开发者关系工程师 Thomas Steiner 在 Hugging Face 博客介绍,Transformers.js 试验中的跨源存储(COS)API 引入 navigator.crossOriginStorage 接口,通过加密哈希而非 URL 跨源存取大文件。
Hugging Face 发布 Agentic Resource Discovery(ARD)草案规范,用于让智能体在运行时搜索和发现工具、Skill 与智能体,而非预先安装配置。
推荐理由:原文给出 ARD 规范的组成与 Hugging Face 的参考实现,读者可了解智能体运行时发现能力的标准路径
Google DeepMind 正与英国政府、Google Cloud、Faculty 及 Barnet、Dorset、Camden 地方规划部门联合开发基于 Gemini 的 AI 规划原型,目标将住户规划申请决策时间缩短 50%。
Google DeepMind 发布 AI Control Roadmap,用于在 Google 内部署的 AI 智能体上叠加系统级安全层,即使模型对齐不完美也能提供保障,并称其可能成为行业参考。
Google DeepMind 发布实验性开源模型 DiffusionGemma,采用文本扩散方式一次性生成 256 个 token,在专用 GPU 上文本生成最高提速 4 倍,单张 NVIDIA H100 上超过 1000 tokens/秒,RTX 5090 上超过 700 tokens/秒。
推荐理由:官方给出 4x 推理加速的实测数字与本地低并发场景边界,读者可据此判断它适合哪些交互式工作流。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA,并在 Google.org 支持下发起最高 1000 万美元的多智能体 AI 安全技术研究资助,面向全球研究者征集方案。
Google DeepMind 发布音频模型 Gemini 3.5 Live Translate,支持 70 多种语言的近实时语音到语音翻译,能自动检测语言并保留说话人的语调、节奏和音高。
推荐理由:Gemini 3.5 Live Translate 把语音翻译从轮流应答改为连续输出,并给出开发者、企业与普通用户的接入路径。