Google DeepMind 发布 AI Control Roadmap,用纵深防御保障内部 AI 智能体安全
Google DeepMind 发布 AI Control Roadmap,一套用于构建和管理 Google 内部部署的高级 AI 的框架,采用纵深防御思路,在模型对齐之外增加系统级安全层,即使对齐不完美也能提供保障。
推荐理由:DeepMind 公开内部 AI 控制路线图,给出检测与响应分级和百万条编码智能体轨迹的分析结论。
Google DeepMind 发布 AI Control Roadmap,一套用于构建和管理 Google 内部部署的高级 AI 的框架,采用纵深防御思路,在模型对齐之外增加系统级安全层,即使对齐不完美也能提供保障。
推荐理由:DeepMind 公开内部 AI 控制路线图,给出检测与响应分级和百万条编码智能体轨迹的分析结论。
Google Research 分享其在皮肤科 AI 工具上的消费者理解研究,发现使用 AI 辅助工具时,参与者尝试命名皮肤状况的比例超过 62%,准确率 23%,接近无辅助对照组 8% 的三倍。但确定下一步医疗措施仍是难点,标准 AI 组未显示出统计学显著改善。
加州大学圣地亚哥分校在 Google 支持下,正用 2000 台退役 Pixel 手机的主板搭建数据中心,为数百名师生提供低成本、低碳的云计算。手机主板约占整机隐含碳的 50%,团队将 Android 替换为通用 Linux 发行版,并用 Kubernetes 把 25-50 台手机组成集群,SPEC 基准显示其算力约等于一台现代服务器。该系统预计 2026 年秋季上线。
Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests,用相对距离检验判断遗忘后的模型在分布上更接近安全重训模型还是原始受损模型。
Google DeepMind 发布实验性开放模型 DiffusionGemma,采用文本扩散方式并行生成整块文本,在专用 GPU 上最高实现 4 倍推理提速。
推荐理由:官方给出 26B MoE 文本扩散模型的开放权重与硬件实测数据,可据此判断本地低并发推理的取舍。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 并获 Google.org 支持,发起最高 1000 万美元的多智能体 AI 安全技术研究资助征集,面向全球研究者。
Google DeepMind 发布 Gemini 3.5 Live Translate,这是一款支持 70 多种语言的近实时语音到语音翻译音频模型,可自动检测语种并保留说话人的语调、节奏和音高。
推荐理由:官方披露了连续生成语音的取舍机制与 70+ 语种覆盖,可据此判断实时翻译的可用边界。
Google DeepMind 发布 Gemma 4 12B,一款面向笔记本电脑的智能体多模态模型,介于边缘端 E4B 与 26B MoE 之间,可在 16GB VRAM 或统一内存上本地运行。
推荐理由:Gemma 4 12B 用无编码器架构把多模态能力压到 16GB 显存,读者可据此判断本地智能体的可行边界。
Google DeepMind 推出为期三个月的 Robotics 加速器,从欧洲选出 15 家机器人初创公司,提供技术指导并开放其 AI 技术栈与 Gemini 机器人模型。入选企业覆盖物流、制造、医疗、气候与导航等领域,本周在伦敦启动。
Google DeepMind 发布在塞拉利昂开展的预注册随机对照试验结果,使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差,相当于八周内取得约 1.2 至 1.7 年的常规学习进度。
推荐理由:原文给出塞拉利昂随机对照试验的量化结果与交互数据,可了解 AI 辅助教学在真实课堂中的效果边界。
Google 在 Gemini Enterprise Agent Platform 上推出基于 Agentic RAG 的 Cross-Corpus Retrieval 公开预览版,通过 Orchestrator、Planner、Query Rewriter、Search Fanout 和 Sufficient Context Agent 等角色协作处理多源多跳查询。
推荐理由:原文给出多智能体 RAG 的完整架构与跨语料评测数据,可据此判断复杂多跳查询的检索可靠性提升路径。
Google Research 在 Nature 发表研究,提出 PHRM 系统,利用手机前置摄像头在面部解锁后的数秒内拍摄视频,通过深度学习在后台估算心率与静息心率。
推荐理由:Google 用手机前摄在解锁后被动测心率,并公开迄今最大规模手机视频数据集与预训练模型。
Google Research 在 GitHub 上以 Apache 2.0 许可证开源其水文建模框架,供各国气象与水文机构将 AI 洪水预报整合进自身工作流。
推荐理由:Google 开源洪水预报水文框架,读者可了解其模型架构、训练流程与在 Delft-FEWS 中的集成方式。
Google Research 在 I/O 2026 上发布 Gemini for Science 实验工具套件,包含基于 ERA 与 AlphaEvolve 的 Computational Discovery、基于 Co-Scientist 的 Hypothesis Generation 以及基于 NotebookLM 的 Literature Insights。
Google 发布一套面向隐私分析的零信任聚合方案,将新型单次消息加密聚合协议与 TEE 结合,设备无需多轮在线即可提交数据。该设计使原始数据在任何服务器内存中都不会被暴露或重建,仅在数据完成聚合并匿名化后才在设备外处理明文,并借助 TEE 远程认证向参与者证明协议按公开代码正确执行。
Google DeepMind 在亚太地区启动首届 Accelerator 加速器计划,聚焦“AI for the Planet”,面向该地区初创公司、研究团队和非营利组织,为期三个月。入选机构将获得专家指导,以及 Google AI 专家协助将前沿 AI 与科学 AI 模型整合进其项目或产品。计划以在新加坡举办的线下训练营启动,现已开放注册意向。
Google 发布基于 Gemini 的科研工具 Empirical Research Assistance(ERA),可搜索文献、编写代码、组合方法并评估结果,相关成果已发表于 Nature。
推荐理由:Google 把 ERA 从 Nature 论文推进到可申请使用的工具,读者可据此判断科研编码自动化的落地节奏。
Google DeepMind 介绍生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 使用 Co-Scientist 加速衰老研究。Co-Scientist 扫描数万篇论文后提出 20 多个新的候选基因因子,实验室测试验证了其中几个假设,成功让细胞进入更年轻状态并改善整体功能。它还能将原本需要长达六个月的筛选数据分析缩短到几天。
推荐理由:原文给出 Co-Scientist 在衰老研究中的具体产出与验证结果,读者可了解 AI 辅助科研从假设生成到数据分析的落地方式。
Google DeepMind 在实验性原型 Project Genie 中上线 Street View 场景锚定能力,用户可选取美国境内地点并搭配风格与角色描述,生成以真实街景为起点的可交互世界。
推荐理由:Google 把世界模型与真实街景影像打通,读者可据此判断智能体训练环境的现实锚定路径。
Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash,可组合图像、音频、视频和文本输入生成高质量视频,并支持用自然语言多轮对话编辑视频。
推荐理由:Gemini Omni 把多模态输入与对话式视频编辑结合,读者可据此判断视频生成工作流的变化。
Google DeepMind 推出 Gemini for Science,包含 Google Labs 上三个实验性工具和 Google Antigravity 中的 Science Skills。
推荐理由:原文给出三类科学智能体工具的能力分工与开放入口,读者可据此判断科研工作流的可迁移环节。
Google 宣布扩展内容透明度与验证工具,把 SynthID 的图像、视频和音频验证从 Gemini 应用扩展到 Search,并将在未来几周进入 Chrome;该验证功能在 Gemini 中已被使用 5000 万次。
推荐理由:Google 把 SynthID 与 C2PA 验证铺到 Search、Gemini、Chrome 和 Pixel,读者可据此了解内容溯源工具的实际覆盖范围。
Google DeepMind 与新加坡政府达成国家 AI 合作,在医疗、科研、教育和气候领域推出新项目。合作探索 AI 辅助临床的“三方护理”、用 AlphaFold 和 Google Earth 推进东南亚传染病研究,并开发基于 Gemma 的视障跑者助手。
剑桥大学 Clare Bryant 教授利用 Google Co-Scientist 研究流感等跨物种传染病,该工具生成并排序了一系列候选假说,其中一些是她此前未曾考虑的。Co-Scientist 优先锁定了一个她此前未关注的蛋白质,并关联到她已感兴趣的多个信号通路,最终将假说细化到具体氨基酸。Bryant 团队正构建含氨基酸突变的细胞系验证这些假说,原本需两到三年的实验工作有望在六个月内完成。
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 整合衰老生物学中零散的研究发现,并将其转化为可验证的假设。
爱丁堡大学团队用 Google DeepMind 的 Co-Scientist 研究 MASH 肝病,系统整合肝生物学与药理学证据,提出 NLRP3 炎症小体是连接炎症与代谢的关键分子桥梁,该假设随后经实验验证。这一发现有望推动针对 MASH 的靶向联合疗法,并解释了药物 resmetirom 为何仅对少数符合条件的患者有效。
MIT 机械工程师 Ritu Raman 与波士顿儿童医院化学生物学家 Ryan Flynn 借助 Google DeepMind 的 Co-Scientist,将各自不同的研究工具结合用于 ALS 研究。
斯坦福大学医学院遗传学家 Gary Peltz 利用 Google DeepMind 的 Co-Scientist 筛选抗肝纤维化药物,其提出的 3 个候选药物中有 2 个在活体人类肝细胞测试中阻断纤维化并促进肝细胞再生,而 Peltz 自行挑选的 2 个药物均无效。其中癌症药物 vorinostat 阻断了 91% 可驱动肝硬化的损伤反应。相关研究已发表于 Advanced Science。
Google DeepMind 与 Google Research 开发的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天预测飓风 Melissa 将以 5 级强度登陆牙买加,当时置信度为 80%,三天前升至接近 100%。
推荐理由:原文给出 WeatherNext 在飓风路径与强度双预测上的实测表现,读者可据此了解 AI 天气预报在极端事件中的实际作用。
Google DeepMind 发布 Gemini 3.5 系列首个模型 3.5 Flash,定位为面向智能体与编码的前沿模型,即日起在 Gemini app、Google Search 的 AI Mode、Google Antigravity、Gemini API 及 Gemini Enterprise 等渠道开放。
推荐理由:官方给出 3.5 Flash 在编码与智能体基准上的成绩和开放入口,可据此判断速度与能力如何取舍。
Google DeepMind 在 Nature 发表 Co-Scientist 研究,推出基于 Gemini 的多智能体 AI 系统,可迭代生成、辩论并演化复杂科学问题的新假设。
推荐理由:原文披露了多智能体系统的三阶段协作机制与多个实验室的落地案例,可据此判断 AI 参与科学假设生成的实际边界。
Google DeepMind 发布 AlphaEvolve 推出一周年的成果汇总,这款由 Gemini 驱动的编码智能体已从试点进入 Google 基础设施核心环节。
推荐理由:官方汇总 AlphaEvolve 一年来在科研、基础设施与商业场景的落地数据,可据此判断编码智能体的实际边界。
Google Research 披露其开源工具与开放数据集已服务全球超 25 万名研究者和开发者。其中 DeepVariant、DeepConsensus、DeepPolisher 已支持处理 250 万人的外显子组和全基因组,MedGemma 等 HAI-DEF 模型下载量超 480 万次,Open Health Stack 已在 10 多个国家落地、覆盖超 6500 万受益者。
Google DeepMind 宣布 AI co-clinician 研究计划,探索 AI 智能体在医生临床监督下协助患者诊疗的“三方照护”模式。在 98 个真实初级保健查询的盲评中,该系统 97 例无关键错误,优于医生常用的两款 AI 系统;在 140 项问诊技能评估中,AI 有 68 项达到或超过初级保健医生水平,但专家医生在识别危险信号和指导关键体格检查上整体仍更优。
推荐理由:DeepMind 公开 AI co-clinician 研究计划,给出医生端证据综合与患者端实时多模态问诊的对照评测结果。
Google Research 介绍其 Empirical Research Assistance(ERA)在四个真实科研场景中的应用:公共卫生领域,团队每周向 CDC 的流感。
推荐理由:Google 用四个真实科研项目展示 ERA 在流行病预测、宇宙学、碳监测和神经科学中的落地方式,可了解 AI 辅助科研的具体边界。
Google DeepMind 宣布与韩国科学技术信息通信部(MSIT)建立合作,将在首尔办公室设立 AI Campus,向韩国学界开放 AlphaEvolve、AlphaGenome、AlphaFold、AI co-scientist 和 WeatherNext 等前沿模型。
Hugging Face 发布 Transformers.js 浏览器扩展教程,演示如何在 Manifest V3 约束下用 Gemma 4 E2B 构建本地 AI 功能。
Google Research 宣布在 Google Photos 的 Auto frame 功能中上线一种新方法,可在照片拍摄后调整相机位置与焦距,生成新的视角。该方法分两步:先用内部 3D 点图估计模型重建场景并估算原相机焦距,再用生成式潜在扩散模型补全新视角下露出的空白区域。该功能已作为 Auto frame 的第二个候选版本上线,可自动处理含人物的照片,并修正广角前置摄像头造成的透视畸变。
推荐理由:Google Photos 把 3D 场景估计与生成式补全结合,读者可了解自动重构拍摄视角的技术路径。
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构,把大规模训练拆成异步通信的计算孤岛,降低带宽需求并隔离硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并自动重新接入,用 Gemma 4 模型验证的 ML 性能与传统训练方法持平。
推荐理由:原文给出异步训练在带宽、故障隔离和跨代硬件上的实测结果,可据此判断分布式预训练的成本与容错边界。
Google Research 发布 ICLR 论文 ReasoningBank,提出一种智能体记忆框架,从成功和失败经验中提炼高层结构化推理记忆,用于测试时自我进化。
推荐理由:论文提出从成功与失败经验中提炼推理记忆的框架,并给出 WebArena 与 SWE-Bench-Verified 上的成功率与步数变化。