Google DeepMind 为 AI 设计蛋白质开发 SynthIDBio 水印
Google DeepMind 发布研究,展示了 SynthIDBio 如何在 ProteinMPNN 设计蛋白质时嵌入可检测水印,同时保持蛋白质与目标分子的结合功能。
Google DeepMind 发布研究,展示了 SynthIDBio 如何在 ProteinMPNN 设计蛋白质时嵌入可检测水印,同时保持蛋白质与目标分子的结合功能。
Google DeepMind 发布 SynthID Bio,为 AI 生成的蛋白质序列和预测结构嵌入可验证的水印,并在实验室测试中保持蛋白质生物功能。该方法在 VEGF-A、SARS-CoV-2 spike protein RBD 和 PD-L1 三种目标蛋白的 binder 设计中,水印版本与未加水印版本的命中率、结合亲和力和天然序列多样性相当。
推荐理由:文章展示了水印如何从数字模型延伸到实体蛋白,并给出实验室验证结果,可帮助理解 AI 生物设计的来源追踪与生物安全应用。
Google Research 提出 Diffusion Controller 框架,将图像生成的去噪过程重构为连续控制问题。该框架通过轻量级附加网络调节生成轨迹,并在 Stable Diffusion v1.4 上评估 SFT、RWL 和 PPO 训练方式;完全解锁版本相对基线模型取得了 90% 的胜率。
Palisade Research 在 frominside.ai 发布了 12 名 AI 研究人员的访谈,参与者包括 OpenAI、Google 和 Anthropic 的现任及前员工,多人警告超级智能可能导致人类灭绝。
Google DeepMind发布 Private AI Compute 技术更新,提出在云端安全保存跨设备持久记忆,同时维持接近端侧处理的隐私标准。用户设备独占解密所需的加密密钥,云端安全隔离环境仅在处理请求时临时解密数据并保存新上下文。Google DeepMind还将发布更新后的技术白皮书、服务器软件防篡改公共记录和独立网络安全审计结果。
推荐理由:文章解释了云端持久记忆如何借助设备密钥、加密通道和安全隔离环境保持跨设备连续性,并配套公开验证材料。
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS,分别面向创意语音设计与高吞吐、成本高效的语音生成。
推荐理由:原文同时交代了两款模型的定位、语音定制与逐句导演能力,以及开发者和普通用户的使用入口,便于评估其应用范围。
Import AI 472 汇总了 OpenAI 智能体借德国网站通信、Google DeepMind 让100个 Gemini 3.1 Pro 智能体解答71道数学题时出现作弊扩散,以及美国公众对 AI 政策的支持度。
Google DeepMind 宣布开展首个针对专有前沿级 AI 模型的双盲评测,以防止模型提前接触测试题目。该项目与 Singapore AI Safety Institute、OpenMined、AVERI 和 MLCommons 合作,在隐私保护的加密环境中使用机密基准测试 Gemini Flash Lite。
推荐理由:文章说明加密环境如何把外部评测与模型后续优化隔离开,为理解 benchmark contamination 及其对评测可信度的影响提供了具体机制。
Google DeepMind 与 Fenris Creations 合作,利用 EVE Online、EVE Vanguard 和 EVE Frontier 研究持续学习、记忆、长程规划及复杂多智能体互动。研究将从独立的 EVE Online 离线实例开始,再推进至 EVE Frontier;只有在能力成熟后,才会考虑用于 EVE Online 和 EVE Vanguard。
推荐理由:文章串联了 Google DeepMind 从游戏智能体到 EVE 宇宙研究的路线,呈现持续学习与长期规划等能力如何进入开放环境。
Google DeepMind 发布并开源 WeatherNext 2、WeatherNext Cyclones 和 WeatherNext 2-mini,WeatherNext Cyclones 在飓风路径、强度和风场结构预测上平均获得超过 24 小时的提前量。
推荐理由:原文同时给出 WeatherNext 的预测增益、训练数据规模和开源范围,便于了解 AI 气象模型如何支持更早的飓风风险研判。
Google DeepMind 发布 Gemini Robotics ER 2,这是面向机器人的高层具身推理与任务编排模型,可将执行交给 VLA 模型并调用工具。
推荐理由:原文结合视频进度理解、工具编排和多机器人协作,展示了 Gemini Robotics ER 2 面向真实机器人任务的能力变化与开发入口。
Google DeepMind 发布 Gemini Robotics 2,通过 Gemini Robotics 2、Gemini Robotics ER 2 和 Gemini Robotics On-Device 2,支持人形机器人全身控制、灵巧操作、多步骤推理与多机器人协作。
推荐理由:原文系统梳理了 Gemini Robotics 2 的三类模型分工、机器人适配方式与安全机制,便于理解其从单机控制走向协作任务的技术路径。
Google Research 在一项 n=13,917 的随机研究中,让参与者与五种 Gemini Flash 2.0 SymptomAI 智能体进行症状访谈并生成 DDx。
推荐理由:研究将真实对话、临床专家比较与 Fitbit 生理信号结合,呈现 SymptomAI 在日常症状评估中的表现及研究边界。
Google Research 在 Nature 发表研究,展示一种强化学习框架,可利用量子错误检测事件持续调节控制参数,在计算不中断的情况下抵抗漂移。该方法在 Willow 超导处理器上使逻辑稳定性提升 3.5 倍,并在人工校准后进一步将逻辑错误率降低 20%;模拟显示所需训练迭代次数与系统规模无关。
推荐理由:文章把量子纠错产生的错误检测事件转为强化学习信号,展示了连续校准如何在不中断计算的情况下抑制硬件漂移。
Google 宣布承诺 $40M 的 AI tokens 和云 credits,为 DOE Genesis Mission 研究人员提供 AI for science 工具支持。
推荐理由:文章具体说明了 Google 如何以 $40M AI tokens 和云 credits 支持 DOE 科研,并给出 AlphaEvolve 与 Gemini 在实验室中的应用数据。
Google DeepMind 与 Isomorphic Labs 公布联合生物韧性方案,围绕预防、检测和响应使用 AI 应对生物安全风险。过去 12 个月,双方推进了超过 15 项与政府机构、生物安全组织和研究团体的合作。
推荐理由:文章按预防、检测和响应梳理 AI 参与生物安全的路径,并列出模型安全评估、病原体监测和药物设计等合作实例。
Google DeepMind 启动 ATL Saathi 试点,为印度 Atal Tinkering Labs 教师提供 Gemini 驱动的 24/7 规划与培训助手。该应用整合 NotebookLM 中的 12 个核心课程模块,支持 AI 摘要、信息图、视频概览、互动测验和项目生成,并计划先覆盖 100 所试点学校,支持 8 种语言。
推荐理由:原文具体展示了 ATL Saathi 如何结合课程微学习、项目生成和多语言支持,为 AI 教育助手提供了清晰的应用案例。
Google Research 介绍 SensorFM,这一模型使用来自 5 million 名参与者的超过 1 trillion minutes 多模态可穿戴传感器数据进行预训练。
推荐理由:文章将可穿戴数据的规模化预训练、缺失感知学习与智能体适配串联起来,展示了通用表示跨健康任务迁移的路径。
Google DeepMind 与 A24 宣布开展以研究为核心的合作,围绕多个项目共同开发面向创作者的新工作流和技术。Google 还对 A24 进行了投资;合作初期聚焦连接前沿技术与下一代娱乐,具体目标、技术产出和创意里程碑将随协作推进而演变。
Hugging Face 与 Cerebras 展示了将 Gemma 4 31B 用于实时语音到语音系统的方案。该开放管线依次使用 Nvidia 的 Parakeet 进行语音识别、在 Cerebras 上运行 Gemma 4 VLM 推理,并通过 Qwen3TTS 生成语音。相关架构已用于 Reachy Mini 机器人,配套代码仓库为 huggingface/speech-to-speech。
推荐理由:文章拆解了实时语音到语音管线的模块构成与协作方式,开发者可据此了解低延迟架构的实现路径和代码入口。
Google DeepMind 将 computer use 内置到 Gemini 3.5 Flash,开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 构建跨浏览器、移动端和桌面环境运行的智能体。该能力面向持续软件测试和专业应用中的知识工作等长流程自动化任务,并提供用户确认、间接提示注入识别后自动停止等可选企业安全机制。
推荐理由:原文既说明了 computer use 从独立模型转为 Gemini 3.5 Flash 内置工具,也给出企业安全防护与接入方式。
Google DeepMind 发布 AI Control Roadmap,用分层防御管理内部 AI 智能体,即使模型对齐不完善,也通过权限控制、威胁建模和系统级安全措施降低风险。
推荐理由:文章将 AI Control Roadmap 拆解为威胁建模、监控与响应机制,并用可量化指标说明如何随智能体能力提升强化安全控制。
Google DeepMind 发布实验性开放模型 DiffusionGemma,采用文本扩散和并行生成,在专用 GPU 上实现最高 4 倍的文本生成速度。该 26B MoE 模型推理时激活 3.8B 参数,量化后可适配 18GB VRAM,并以 Apache 2.0 许可发布。DiffusionGemma 面向本地、低并发的交互式工作流,但整体输出质量低于标准 Gemma 4。
推荐理由:文章具体说明了 DiffusionGemma 在本地低并发推理中的速度优势,也交代了输出质量与标准 Gemma 4 的取舍。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 和 Google.org,面向全球研究者发起最高 $10M 的多智能体 AI 安全技术研究资助计划。
推荐理由:这项最高 $10M 的资助计划覆盖多智能体安全的四个研究方向,呈现了从单模型评估转向群体系统治理的研究重点。
Google DeepMind Accelerator: Robotics 从欧洲遴选15家机器人初创公司,启动为期3个月的密集指导与技术支持项目。入选团队将获得 Google DeepMind 和 Google 专家的技术指导、产品建议,以及 AI stack 和 Gemini robotics models 的使用支持,推动 AI 融入机器人产品。
Google DeepMind 报告了在塞拉利昂开展的预注册试验,使用 Guided Learning 的学生数学成绩较对照组提高 +0.258 个标准差,八周内约相当于 1.2 至 1.7 年的典型学习进步。
推荐理由:这项预注册试验同时呈现了学习成绩、互动方式与教师角色的变化,为评估 AI 如何在教师主导课堂中支持学习提供了具体证据。
Google DeepMind 在亚太地区推出首届“AI for the Planet”加速器项目,帮助创新者利用 frontier AI 应对环境风险。项目为期三个月,面向 startups、research teams 和 nonprofits,聚焦 nature、climate、agriculture、energy 等领域。
Google DeepMind介绍 Co-Scientist 如何帮助研究人员寻找推动细胞恢复年轻状态的遗传因素,并分析大规模基因筛选结果。它检索数万篇论文后提出了20多个可测试的遗传因素,其中几项假设通过实验验证;筛选数据结合文献的分析工作也从最多六个月缩短到几天。
Google DeepMind 发布 Gemini Omni Flash,可将图像、音频、视频和文本作为输入,生成基于 Gemini 世界知识的视频,并通过对话进行连续编辑。
推荐理由:原文同时交代了 Gemini Omni Flash 的视频生成与对话编辑能力,以及订阅用户、YouTube Shorts 和开发者 API 的开放路径,便于理解其落地范围。
Google DeepMind与新加坡政府启动新的国家AI合作伙伴关系,并在新加坡推出医疗、生命科学、教育、科研、可持续发展和AI安全项目。合作方预计通过加速研发,到2040年创造额外S$ 3.3 billion(US$2.5 billion)的经济价值。
推荐理由:文章梳理了Google DeepMind与新加坡政府合作落地的医疗、教育、科研和安全项目,呈现国家级AI应用的具体路径。
Calico Life Sciences 使用 Co-Scientist 汇总衰老生物学研究,提出关于代谢调控整合应激反应(ISR)的新假设。团队与 Co-Scientist 共同完善实验设计,并根据新结果持续调整研究,实验最终获得了对 ISR 在健康与疾病中作用具有重要意义的新发现,计划发表相关结果。
Google DeepMind 的 Co-Scientist 被爱丁堡大学团队用于梳理 MASH 相关文献、筛选关键机制并提出联合疗法候选。在 resmetirom 仅对部分患者有效的问题上,系统提出 NLRP3 炎症小体连接炎症与代谢的假设,该假设随后得到实验验证。
推荐理由:文章展示 Co-Scientist 如何从肝脏生物学与药理学文献中筛选机制和联合疗法假设,并连接到已获实验验证的 MASH 研究问题。
Google DeepMind 的 Co-Scientist 从既有药物文献中提出三种候选药物,其中两种在活体人类肝细胞测试中阻断了肝纤维化并促进肝细胞再生。研究团队还测试了自己选出的两种药物,但未观察到抗纤维化效果;Co-Scientist 的突出候选是抗癌药 vorinostat,其实验中阻断了 91% 的相关损伤反应。
推荐理由:这项研究展示了 Co-Scientist 如何从既有药物文献中提出候选,再通过人类肝细胞实验筛选抗肝纤维化药物。
Google DeepMind 的 WeatherNext 帮助美国国家飓风中心提前 5 天预测 Melissa 飓风将以 Category 5 强度登陆牙买加。WeatherNext 可运行 50 个不同的情景,在登陆前 5 天以 80% 置信度预测这一结果,提前 3 天时置信度接近 100%。
推荐理由:文章展示了 WeatherNext 如何通过 50 个情景集合同时预测飓风路径与强度,并为牙买加疏散和资源调度争取提前量。
Google DeepMind 与韩国科学技术部(MSIT)宣布建立合作,将在首尔办公室设立 AI Campus,支持韩国科研机构使用 AI for Science 模型开展研究。合作将探索 AlphaEvolve、AlphaGenome、AlphaFold、AI co-scientist 和 WeatherNext 在生命科学、能源、天气与气候等领域的应用,并推进人才培养和 AI 安全研究。
Google Research 宣布,Google Photos 已在 Auto frame 中提供自动重构照片视角的功能。该功能先估计 3D 点图和相机参数,再用生成式 latent diffusion model 补全新视角下原本未拍到的区域,并自动调整人像构图、缓解广角自拍的透视畸变。符合条件的含人物照片可在 Auto frame 候选中获取重构后的第二个版本。
推荐理由:Google Photos 的 Auto frame 将 3D 场景重建与生成式修补结合,用于自动调整人像视角,呈现生成式编辑从裁剪到视角重构的变化。
Google DeepMind 发布新论文,介绍 Decoupled DiLoCo 如何通过异步连接多个计算“岛”提升跨数据中心训练的弹性。
推荐理由:文章展示了 Decoupled DiLoCo 如何在跨区域训练中降低带宽依赖、隔离硬件故障,并兼容不同代际芯片,为分布式预训练提供基础设施思路。
Google Research 在 The Check Up 总结其 AI 医疗研究,覆盖个性化健康、临床协作、公共卫生和生物医学发现。研究系统识别出此前漏检的 25%“间隔癌症”,糖尿病视网膜病变筛查已覆盖一百多万人;MedGemma、AMIE 等系统也在推进临床研究和医疗应用。
推荐理由:文章串联了个性化医疗、临床协作、公共卫生和生物医学发现中的多个案例,呈现 Google Research 将 AI 推向医疗场景的路径。
Google Research 与 Beth Israel Deaconess Medical Center 开展一项前瞻性、单中心可行性研究,在门诊就诊前由 AMIE 与患者进行病史采集,并由医生实时监督。
推荐理由:研究把 AMIE 带入真实门诊流程,呈现其在医生监督下开展病史采集、生成摘要及评估诊断表现的实证结果。