Google DeepMind AlphaProof Nexus 解决数十个开放数学问题并通过同行评审
Google DeepMind 的 AlphaProof Nexus 在《科学》发表的研究中解决了数十个开放数学问题,包括 353 个 Erdős 问题中的 9 个,其中两个已悬置 56 年。
Google DeepMind 的 AlphaProof Nexus 在《科学》发表的研究中解决了数十个开放数学问题,包括 353 个 Erdős 问题中的 9 个,其中两个已悬置 56 年。
Google Research 的三月实地实验发现,AI 辅助提升专利撰写产出,但撤除工具后仅资深律师的独立评审能力提高,初级律师未显示提升。实验覆盖 133 名知识产权律师,随机开放一个未发布的 Google Labs 专利撰写助手(现已并入 Gemini Notebook);在 10 天和 90 天撰写任务中,AI 组分数提升约 0.34 和 0.38 个标准差。
推荐理由:研究用三个月专利撰写实地实验比较有无 AI 辅助后的独立评审表现,资深律师受益而初级律师能力分化。
Google Earth AI 的 Population Dynamics Foundation Model(PDFM)概念验证表明,其自监督预训练、无需任务特定微调的位置嵌入可在多种疾病领域和地理任务中匹配或优于传统输入。
Google 分享新研讨会报告《智能体隐私与安全的开放与新兴问题:情境视角》,汇集 50 多位学界与业界领袖。报告指出智能体在非结构化接口、概率控制流和自主委托上不同于传统软件,需在系统、模型、用户和生态层面协同防御。其主张基于情境完整性理论构建情境策略引擎和监督层,通过实时动态策略生成循环,在信息离开工作区前评估行动是否适当。
Google 推出新一代基于可信执行环境(TEE)的联邦学习系统,利用远程证明、机密性和完整性实现端到端可验证的数据匿名化,并已将 Gboard 英文和日文输入预测模型切换至该系统。新系统把客户端梯度计算移至服务器,训练瓶颈从设备可用性转移到 TEE 资源,带来显著加速。设备数据只能在访问策略规定的 TEE 内解密处理,并通过公开透明日志和可重现构建支持外部审计。
Google DeepMind 推出 SynthID Bio,一种在不影响蛋白质生物功能的前提下为 AI 生成蛋白质嵌入可验证水印的方法。针对 VEGF-A、SARS-CoV-2 刺突蛋白 RBD 和 PD-L1 的湿实验显示,水印设计的命中率、结合亲和力和天然序列多样性与非水印版本相当。DeepMind 公开方法论文并开源代码、体外数据及权重,以支持生物安全社区协作。
推荐理由:原文给出三种靶标蛋白上水印与未水印设计的结合亲和力相当,并说明该方法可嵌入模型权重保证可检测性,为生物安全筛选提供了可执行的验证层。
Diffusion Controller 框架将图像生成中的去噪过程重构为连续的平滑控制问题,统一并简化图像生成控制。在 Stable Diffusion v1.4 骨干上,轻量附加网络在 HPS-v2 人类偏好得分上超过行业标准,完全解锁版本对基线模型胜率达 90%。
Google Research 提出一套基于 Gemini 与 Veo 的多智能体框架,用于自动化连贯长视频生成,覆盖创意编排、视觉故事板、时序生成和闭环修正。
推荐理由:这套框架把长视频一致性拆成创意编排、视觉记忆、时序生成和闭环修正四个环节,并以 Co-Director、CANVAS、A²RD、VQQA 给出可对照基准的改进。
Google Research 分享一项研究实验,可让教师用生成式 UI(GenUI)创建自定义、互动式、有引导的教育模拟,这些学习互动内容按教师目标和课程动态生成。