跳到正文

#Google

今日 1 条
10月5日周一
  1. TechCrunch · AI60

    Google 因 AI 提交激增暂停开源漏洞赏金计划

    Google 因自动化提交大幅增加而暂停其开源软件漏洞奖励计划,自 10 月 1 日起生效,并承诺在 2027 年第一季度给出更新。公司称这些提交绝大多数无效,据 Tom's Hardware 报道,Google 工程师和开源维护者被无效或含幻觉的报告淹没。暂停期间,参与者被建议转向 Google 的其他漏洞赏金项目。

10月4日周日
10月3日周六
  1. The Verge · AI55

    OpenAI 前安全员工 David Robinson 离职并公开警告

    曾在 OpenAI 负责撰写各主要模型发布安全报告的 David Robinson 本周离职,并在 The Atlantic 发表评论文章公开表态。他认为行业文化已从根本上破裂,问题比新增几条训练模型规则或监管更深层,并称硅谷以极端自信和持续冲刺的方式、在不受约束的乐观中构建更大更好的模型,忽视或低估了潜在问题。

  2. TechCrunch · AI60

    Google 认为 Starship 需发射 1800 次才能撑起太空数据中心

    Google 的轨道计算卫星原型搭乘 SpaceX 火箭从加州升空,首次将其 TPU 送入太空,验证芯片能否在轨运行推理任务。Google 同期发布经同行评审的轨道数据中心白皮书,估算若 Starship 每次发射 200 吨载荷,需在十年内发射约 1800 次、即每年 180 次才能把发射价格压到接近每公斤 200 美元。芯片抗辐射测试显示推理错误率约为百万分之一,但大规模训练仍受限制。

10月2日周五
  1. Google Research62

    Google 发布基于 TEE 的新一代联邦学习系统,Gboard 已采用

    Google 发布新一代联邦学习系统,用可信执行环境(TEE)为数据匿名化提供可验证、可审计的保证,Gboard 已采用该系统上线英语和日语下一词预测模型,隐私保证更强且准确率提升。

    推荐理由:Google 公布基于 TEE 的新一代联邦学习系统设计,并给出 Gboard 已上线的实际部署效果。

  2. MIT Technology Review · AI50

    别被迷惑——LLM 并不会真正推理

    前 Google DeepMind 研究员指出,LLM 靠逐个预测 token 生成答案,其链式推理仍由同一套 next-token 预测完成,缺乏可检视的持久认知状态、知识与推理的分离,且思维链常是事后编造。他认为真正的机器推理应借鉴 AlphaGo 的搜索架构,维护显式的认知状态。

10月1日周四
  1. Latent Space80

    Gemini 4 Argon 发布:GDM 对标 Astra/Fable,输出上限 1M token

    Google DeepMind 发布 Gemini 4 Argon,面向编码、企业知识工作与网络防御,先在 Fairwind 计划的政府用户和可信网络安全人员中开放,之后才向开发者、企业和消费者开放。

    推荐理由:汇总 Gemini 4 Argon 与 GPT-6.1 Sol 的第三方评测数据,可对比两者在成本、token 用量与智能体任务上的取舍。

  2. Google DeepMind85

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,随后逐步扩展至开发者、企业和消费者,起步价每百万输入 token 2 美元、每百万输出 token 10 美元,缓存输入按输入价的 95% 折扣计费。

    推荐理由:官方给出 Gemini 4 Argon 的定价、输出上限与多项基准成绩,可据此判断前沿模型在长程工程与安全防御上的能力边界。

  3. Ars Technica · AI58

    Google 付费让网站为 AI 回答供稿,试点金额被指微不足道

    Google 已允许约 100 家出版商加入 AI 内容贡献试点,网站内容被用于 Gemini 驱动的 AI Overview 等搜索结果时可获得付费。据 The Information 报道,参与试点的中小出版商拿到的金额极少,约为其广告收入的千分之一,部分大型出版商因此拒绝加入,希望以此迫使 Google 给出更慷慨的方案。

9月30日周三
  1. Google DeepMind62

    Google DeepMind 推出 SynthID Bio,为 AI 生成蛋白质嵌入可验证水印

    Google DeepMind 发布 SynthID Bio,将水印技术引入合成生物学,把不可感知的签名直接嵌入生物代码,使其不仅能在数字模型上验证,也能在合成出的实体蛋白质上验证,同时保持其生物功能。

    推荐理由:SynthID 水印从图像扩展到合成生物,读者可了解其在 DNA 合成筛查与数据库标注中的验证层作用。

9月29日周二
9月28日周一
9月25日周五
  1. Google Research66

    Google Research 发布 AI 视频联合导演框架,实现连贯长视频生成

    Google Research 发布 AI video co-director 多智能体框架,作为 Gemini 和 Veo 之上的编排层,把长视频生成建模为全局优化与世界状态跟踪问题,以缓解语义漂移和级联失败。

    推荐理由:Google 把长视频生成拆成四个可复用框架,并给出多镜头一致性与角色保持的量化结果,适合关注视频生成工程化路径的读者。

  2. Google DeepMind71

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在 Gemini 3.8 Live 的原生实时对话模型上加入近实时视频生成,实现带口型同步、自然表情和流畅轮次的视觉化对话。

    推荐理由:官方给出 Live Avatar 的实时视频对话、异步工具调用与 97 种语言切换能力,可据此判断企业级多模态交互的落地形态。

9月24日周四
  1. NVIDIA Blog62

    NVIDIA 联合 Google DeepMind 等开放 2800 多种病毒的蛋白复合物结构预测

    NVIDIA 加入由 Google DeepMind、EMBL-EBI 等组成的联盟,通过 AlphaFold Database 开放 2800 多种病毒的蛋白复合物预测 3D 结构,供任何科学家免费使用。

    推荐理由:NVIDIA 联合 Google DeepMind 等开放 2800 多种病毒的蛋白复合物结构预测,读者可了解开放科学如何为下一次大流行做数据储备。

  2. Google DeepMind60

    Google DeepMind 为 Private AI Compute 引入服务端安全持久记忆

    Google DeepMind 公布 Private AI Compute 平台的新技术能力,将持久化服务端记忆引入云端 AI 计算。该架构把协助所需信息封存在加密存储中,解密密钥仅保存在用户个人设备上,模型访问时通过端到端加密通道连接云端安全隔区,在隔离内存中临时解密、保存新上下文后立即重新加密。

    推荐理由:Google 公开了云端持久记忆的隐私架构细节,读者可据此了解跨设备 AI 记忆如何在加密与安全隔区下实现。

9月23日周三
  1. Google DeepMind74

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS

    Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型,前者面向角色设计与逐句表演指导,后者面向高并发配音与语音智能体。

    推荐理由:官方给出两款 TTS 的定位差异、可用入口与基准排名,便于判断语音生成在配音和智能体场景的落地方式。

9月19日周六
9月18日周五
9月16日周三
  1. Google Research36

    Google Research 提出 Retrieve-for-Train:用 RL 编译扩散模型绕过推理瓶颈

    Google Research 提出 Retrieve-for-Train 框架,通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号,再蒸馏进一个 53.9M 参数的扩散检索器,实现推理时单次前向的查询扇出,无需生成 CoT 推理 token。该方法基于 Gemma3-4B 和 Qwen3-4B 微调,旨在解决零样本 LLM 的复述坍缩与自回归延迟瓶颈,相关论文已被 ICML 2026 收录。

9月11日周五
9月8日周二
  1. Google DeepMind78

    Google DeepMind 发布 AlphaGenome Atlas,覆盖人类基因组 90 亿个单核苷酸变异预测

    Google DeepMind 发布 AlphaGenome Atlas,一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台,规模达 1PB,是 AlphaFold Database 的 30 倍以上,今日起通过网站门户、AlphaGenome API 和 Google Antigravity 中的 skill 向学术研究免费开放。

    推荐理由:读者可了解 9 亿单核苷酸变异预测数据集如何把 AlphaGenome 从单点查询扩展为全基因组资源。

9月7日周一
9月4日周五
  1. Google Research26

    Google Research 研究跨人群基因组预测的迁移学习

    Google Research 用 UK Biobank 欧洲人群与 Biobank Japan 近 20 万日本人群数据,在 8 项临床指标上评估多基因风险评分(PRS)的跨人群迁移效果。结果显示,目标人群样本达 15k 以上时,专用模型优于混合欧洲数据训练;而遗传相关性高的性状可继续受益于欧洲数据直至 25-40k+ 样本。研究还比较了 meta-analysis 与 PRS-CSx 等方法。