03:06Matt Wolfe@mreflow83°Transformer共同发明人Noam Shazeer离开Google DeepMind,加入OpenAI。AlphaFold核心开发者John Jumper(因该成果获2024年诺贝尔化学奖)也选择离职,传闻去向是Anthropic。两人分别在不同领域做出里程碑式贡献,此次出走对Google DeepMind的研发实力造成显著冲击。事件凸显了当前顶尖AI人才争夺的白热化。行业Noam ShazeerJohn JumperGoogle DeepMind10 个信源在谈事件专题推荐理由:OpenAI和Anthropic分别挖走Google DeepMind两位大佬,Transformer发明者和AlphaFold诺奖得主同时出走,人才战太激烈了。原文稍后读已读值得跟进有用关注 Noam Shazeer
02:12官方账号Decoder@Matthias Bastian诺贝尔化学奖得主John Jumper在Google DeepMind工作近九年后,宣布加入Anthropic。此前,Gemini联合负责人Noam Shazeer已离开DeepMind加入OpenAI。AlphaGo研究员David Silver也在几周前离职创办自己的公司。三个月内,三位顶尖AI研究者接连离开DeepMind。行业John JumperAnthropicGoogle DeepMind10 个信源在谈事件专题推荐理由:又一位DeepMind大神跳槽了,John Jumper刚去Anthropic,加上Shazeer去OpenAI和Silver单干,核心人才在流失。原文稍后读已读值得跟进有用关注 John Jumper
23:26官方账号Google DeepMind@GoogleDeepMind74°谷歌DeepMind发布AI Control Roadmap,这是一个用于构建和管理谷歌内部部署的先进AI系统的框架。该框架旨在应对AI可能不按预期行事的风险,而非假设AI始终遵循人类意图。路线图包含具体的安全协议和监管机制,确保高级AI在可控范围内运行。行业Google DeepMindAI控制路线图AI安全推荐理由:谷歌DeepMind搞了个AI控制路线图,专门管那些不按套路出牌的高级AI,省得失控。原文稍后读已读值得跟进有用关注 Google DeepMind
23:25官方账号Google DeepMind@GoogleDeepMindGoogle DeepMind提出,在多智能体系统全球规模化之前,存在一个狭窄窗口期来嵌入结构性安全协议。该框架采用多层安全方法,旨在防范智能体间的潜在风险。DeepMind呼吁AI实验室、政府和学术界协作优先推进智能体安全,以防止未来系统失控。行业Google DeepMind多智能体系统智能体安全推荐理由:DeepMind提醒大家,别等智能体满世界跑了才考虑安全,趁现在赶紧把规则定好。原文稍后读已读值得跟进有用关注 Google DeepMind
20:01Patrick Loeber@patloeber在heyAI第二年活动中,Google DeepMind的Pat Loeber展示了AI智能体的现场演示,演示了AI代理可以完成的多种任务。现场演示成功运行。AI模型Google DeepMindAI智能体heyAI推荐理由:Google DeepMind演示了AI智能体,可以实际运行任务,看他们怎么用现场演示展示能力原文稍后读已读值得跟进有用关注 Google DeepMind
07:42Gary Marcus@GaryMarcusGoogle DeepMind、滑铁卢大学、ANU 和 UCL 联合发表新论文,提出 AGI 能力层级定义,包括“胜任型 AGI”(competent AGI)、“专家级 AGI”和“超人级 AGI”。论文指出当前连最低层级的“胜任型 AGI”都未达成,更不用说更高级别。Gary Marcus 公开表示完全赞同该结论,认为所有声称 AGI 已实现的说法只是营销。论文Gary MarcusGoogle DeepMindAGI推荐理由:别被吹牛忽悠了。这篇论文给了你一个硬核标尺:DeepMind 等机构说连最低门槛的胜任型 AGI 都没到,真相比营销更靠谱。原文稍后读已读值得跟进有用关注 Gary Marcus
02:44Lenny Rachitsky@lennysan本期播客嘉宾包括谷歌DeepMind首席科学家Jeff Dean、OpenAI的ChatGPT生产力负责人Tara Seshan、Anthropic研究产品负责人Dianne Penn、Claude Code/Cowork工程负责人Fiona Fung、Codex PM与工程负责人Andrew Ambrosino,以及Netflix CPTO Elizabeth Stone。多位AI公司高管将分享前沿视角。行业播客Jeff DeanGoogle DeepMind10 个信源在谈事件专题推荐理由:想听谷歌DeepMind、OpenAI、Anthropic等公司高管聊内部视角?这场播客阵容超强,值得蹲。原文稍后读已读值得跟进有用关注 播客
03:28AI Engineer@aiDotEngineerOpenAI、Anthropic、Google DeepMind、Amazon AGI Labs、Zai和MiniMax共六家前沿AI实验室确认参加2025年World's Fair。活动将于6月29日至7月2日在旧金山举行,由ai.engineer主办。这是模型开发者与基于这些模型构建应用的开发者首次同场交流。行业OpenAIAnthropicGoogle DeepMind10 个信源在谈事件专题推荐理由:六家顶尖AI实验室要凑一块儿了,6月底旧金山,模型开发者直接和做应用的聊,机会难得。原文稍后读已读值得跟进有用关注 OpenAI
10:50官方一手arXiv: Google DeepMind@Robert Dorward本文研究两种极小格 L(m,n)(m×n 盒子中的分区)和 M(n)(至多 n 的不同部分分区)的对称链分解(SCD)计数问题。作者给出了 L(2,n) 的 #SCD 显式公式,该公式基于排列反演集。对于固定 m>1,他们猜想 #SCD(L(m,n)) 和 #SCD(M(n)) 均超指数增长,该猜想由 Google DeepMind 的进化编码代理 AlphaEvolve 生成的数据支持。文章还证明 Lusztig 对合(evacuation)可扩展为 SCD 上的对合,由此推出 n>2 时 #SCD(M(n)) 为偶数。最后,他们引入与 SCD 等价的 skew tableaux 序列,并探讨了通过 tableau 回避寻找 SCD 的路径。论文L(m,n)M(n)对称链分解推荐理由:这篇论文给出了 L(2,n) 的对称链分解精确计数公式,并用 AlphaEvolve 数据支持超指数增长猜想,与布尔格的最新结果相呼应。原文稍后读已读值得跟进有用关注 L(m,n)
09:37官方一手AWS Machine Learning Blog@Aris Tsakpinis精选Google DeepMind 发布的 Gemma 4 开源权重模型系列现已在 Amazon Bedrock 上可用。该系列包含三个指令调优变体:Gemma 4 31B(密集架构)、26B-A4B(MoE 架构,每次激活 4B 参数)和 E2B。所有变体均支持内置推理、原生函数调用以及文本和图像多模态输入。模型基于 Apache 2.0 许可发布,旨在多种部署场景下实现每参数智能最大化。AI模型Gemma 4Amazon BedrockGoogle DeepMind4 个信源在谈事件专题推荐理由:Google DeepMind 把最新的 Gemma 4 放到 AWS 上了,三种规格可选,带推理和图文理解,正好拿来玩开源项目。原文稍后读已读值得跟进有用关注 Gemma 4
03:00HeyGen@HeyGen_OfficialGoogle DeepMind与HyperFrames联合举办了一场闭门活动,现场演示了agentic AI的实时构建过程。活动视频显示开发者在同一空间内进行live demo,吸引了3条回复、1次转发和11个点赞。该活动展示了当前agentic AI从理论到实际落地的进展。行业Google DeepMindHyperFramesagentic AI推荐理由:想看看agentic AI怎么从代码变成现实?DeepMind和HyperFrames这场活动全是现场demo,比读论文直观多了。原文稍后读已读值得跟进有用关注 Google DeepMind
10:52rohanpaul_ai@rohanpaul_ai精选Google DeepMind 发布论文《From AGI to ASI》,探讨从通用人工智能(AGI)到超级人工智能(ASI)的四种可能路径:持续扩展计算与模型规模、算法范式突破(超越 Transformer)、递归自我改进(AI 加速 AI 研发)、多智能体集体智能。论文指出,扩展路径可能受限于数据、计算和能源瓶颈;递归改进最不确定,因需真实世界测试和稀缺硬件;多智能体集体智能最被低估,通过专业化与协调可超越单一模型。ASI 可能不是单一事件,而是 AI 辅助创造更好 AI 的加速链。论文Google DeepMindAGIASI推荐理由:DeepMind 分析 AGI 到 ASI 的四种路线原文稍后读已读值得跟进有用关注 Google DeepMind
19:01官方账号Google DeepMind@GoogleDeepMind精选Google DeepMind 宣布其 Robotics Accelerator 计划正式启动,首批入选 15 家欧洲初创公司。该加速器为期三个月,参与公司将获得 Google AI stack 以及 Gemini Robotics 模型的使用权限,并得到 DeepMind 团队的实操支持。这一计划旨在加速欧洲在物理 AI 领域的创新与应用落地。行业Google DeepMindGemini RoboticsRobotics Accelerator推荐理由:15家初创用上Gemini Robotics模型原文稍后读已读值得跟进有用关注 Google DeepMind
00:46官方账号Google DeepMind@GoogleDeepMindGoogle DeepMind 宣布与巴西足球俱乐部 Palmeiras 合作,Palmeiras 成为首个深度应用 TacticAI 的足球俱乐部。TacticAI 是 DeepMind 开发的 AI 系统,能够模拟场上场景并提前最多 8 秒预测开放比赛动态。这一合作将 AI 从实验室带入真实体育战术决策,有望改变球队训练和比赛策略。AI产品TacticAIGoogle DeepMind体育AI推荐理由:足球战术分析终于有了 AI 实战案例——TacticAI 能提前 8 秒预测比赛动态,做体育科技或战术分析的团队值得关注这次合作。原文稍后读已读值得跟进有用关注 TacticAI
00:44官方账号Google DeepMind@GoogleDeepMind精选Google DeepMind 的 TacticAI 利用图神经网络将球场上的 22 名球员视为独立节点,球员间的物理互动作为连接,从而构建出完整的比赛态势图。这使得俱乐部数据科学部门能够通过虚拟拖拽球员的方式,实时测试不同的防守阵型配置。该技术为足球战术分析提供了全新的交互式工具,有望提升球队的战术部署效率。AI产品图神经网络足球战术实时模拟推荐理由:足球战术分析团队终于有了可交互的 AI 工具——TacticAI 让数据科学家像玩游戏一样拖拽球员测试阵型,做体育数据分析的建议点开看看。原文稍后读已读值得跟进有用关注 图神经网络
00:41lmarena.ai@lmarena_ai精选Gemini Omni Flash在Video Arena排名第一。文本转视频得分比Veo 3.1 (1080p)高158分,领先Seedance 2.0达61分。图像转视频同样位居榜首。这是Google DeepMind发布的多模态模型,结合了Gemini的智能与生成式媒体系统。AI模型Gemini Omni FlashGoogle DeepMindVideo Arena推荐理由:视频生成双料第一原文稍后读已读值得跟进有用关注 Gemini Omni Flash
20:17官方账号Google DeepMind@GoogleDeepMindGoogle DeepMind 宣布与 Schmidt Sciences、Cooperative AI Foundation、ARIA 等机构合作,并获 Google.org 支持,共同启动一项 1000 万美元的研究基金。该基金旨在研究当数百万 AI 智能体相互交互时可能涌现的集体行为,例如协作、竞争或意外模式。这一举措对于理解大规模 AI 系统的社会影响和潜在风险至关重要,尤其是在多智能体系统日益普及的背景下。研究将帮助预测和引导 AI 群体的行为,确保其安全可控。行业多智能体系统AI 安全群体行为推荐理由:多智能体系统正在从实验室走向现实,这笔 1000 万美元基金直接瞄准了群体行为这一关键盲区——做 AI 安全、多智能体系统或复杂系统研究的团队,值得关注其研究方向和资助机会。原文稍后读已读值得跟进有用关注 多智能体系统
04:47HeyGen@HeyGen_OfficialHeyGen 与 Google DeepMind 将于明天在洛杉矶联合举办一场面向构建者、创始人、研究人员和开发者的活动。活动聚焦智能体、创意工具和多模态应用领域。主办方在 X 平台发布消息,提醒有意者尽快通过 Luma 平台 RSVP。这是两家 AI 领域重要公司的一次线下交流机会,适合关注前沿 AI 应用和生态合作的从业者。行业智能体多模态创意工具推荐理由:HeyGen 和 Google DeepMind 的联合活动聚焦智能体与多模态应用,做 AI 产品和工具的团队值得关注,明天就开始了,现在报名还来得及。原文稍后读已读值得跟进有用关注 智能体
04:42官方账号Google DeepMind@GoogleDeepMindGoogle DeepMind 发布了一项为期八周的研究,评估 AI 对教育的影响。研究不仅关注考试成绩,还观察了学生的行为变化。结果显示,学生使用 Gemini 的方式从直接寻找答案转向理解概念,关于“如何解决问题”的查询比例从 68% 上升到 90%。这表明 AI 正在促进更深层次的学习,而非简单的答案获取。AI产品AI教育Gemini学习行为推荐理由:这项研究揭示了 AI 在教育中的真实价值——不只是提分工具,而是改变学习方式。教育工作者、AI 产品经理和关注学习效率的家长值得一看,了解如何引导 AI 从“答案机”变成“思维教练”。原文稍后读已读值得跟进有用关注 AI教育
03:06官方账号NVIDIA AI@NVIDIAAI76°Google DeepMind 推出实验性开源模型 DiffusionGemma,采用文本扩散技术,每步并行生成 256 个 token,推理速度可达 150+ TPS(DGX Spark)或 1000+ TPS(单张 H100)。该模型激活仅 3.8B 参数,量化后可在 24GB VRAM 消费级 GPU 上运行,适合代码填充、内联编辑等非线性任务。NVIDIA 从首日起提供 BF16/NVFP4 检查点、免费 GPU 加速端点及 vLLM 支持。DiffusionGemma 优先速度而非极致质量,生产场景仍推荐标准 Gemma 4。AI模型文本扩散并行生成开源模型10 个信源在谈事件专题推荐理由:文本扩散模型把生成速度拉到新高度,做代码补全或实时编辑的开发者可以直接在 NVIDIA 端点试跑,感受并行 token 的爽感。原文稍后读已读值得跟进有用关注 文本扩散
03:03官方账号Google DeepMind@GoogleDeepMind精选塞拉利昂学生人口增长速度超过教师供给,面临师资严重短缺。Google DeepMind最新研究探讨AI如何作为教学伙伴支持教育工作者。研究强调AI可扩大教师覆盖范围,同时保留其核心专业知识和技能。AI不替代教师,而是增强其教学能力。论文Google DeepMind教育AI辅助教学推荐理由:AI当助教,缓解缺老师原文稍后读已读值得跟进有用关注 Google DeepMind
02:54官方一手marktechpost@Asif Razzaq76°Google DeepMind 推出 DiffusionGemma,一款 26B 参数的混合专家(MoE)开源模型,采用文本扩散技术,在 GPU 上生成速度最高提升 4 倍。该模型在保持生成质量的同时,显著降低了推理延迟,适合对实时性要求高的场景。DiffusionGemma 已开源,开发者可直接下载使用。AI模型DiffusionGemmaGoogle DeepMindMoE推荐理由:做文本生成或实时 AI 应用的开发者,这个模型用扩散方法把生成速度翻了 4 倍,值得下载实测。原文稍后读已读值得跟进有用关注 DiffusionGemma
00:33elvis@omarsar0Google DeepMind 推出 DiffusionGemma,一种基于扩散的新型开放模型,可在专用 GPU 上实现最高 4 倍的输出加速。与传统逐词预测不同,它同时生成整段文本,并能在生成过程中自我纠错和实时格式化复杂 Markdown。该模型权重已在 Hugging Face 上开放。这对于文本扩散领域的研究者来说是一个重要进展,因为该方向目前仍有大量未探索的研究问题。AI模型扩散模型文本生成Google DeepMind推荐理由:文本扩散模型的研究者终于有了一个强大的开放基线——DiffusionGemma 同时生成整段文本并支持实时纠错,做生成式 AI 研究的团队值得下载权重试试。原文稍后读已读值得跟进有用关注 扩散模型
23:18官方账号Google DeepMind@GoogleDeepMind精选Google DeepMind 推出了 Gemini 3.5 Live Translate,一个专为快速跨语言交流设计的音频模型。该模型支持实时翻译,覆盖包括英语、西班牙语和中文在内的多种语言。在测试中,Gemini 3.5 Live Translate 在语音翻译基准上相比前代 Gemini 3.0 提升了 20% 的准确率。它能够无缝处理对话中的语言切换,延迟低于 200 毫秒。AI模型Gemini 3.5 Live TranslateGoogle DeepMind音频模型推荐理由:谷歌出了个超快语音翻译模型原文稍后读已读值得跟进有用关注 Gemini 3.5 Live Translate
19:05AI Will@FinanceYF5Google DeepMind 联合创始人兼 CEO Demis Hassabis 在斯坦福商学院访谈中表示,AGI(通用人工智能)可能在 2030 年左右到来,社会没有太多时间准备。他认为人类正站在奇点的山脚下,未来几年将决定走向。评论指出,真正的挑战不在于 AGI 何时精确到来,而在于现有制度能否适应——学校、企业、政府等人类系统反应速度远慢于技术变革速度,可能形成危险的时间差。行业AGIDemis HassabisGoogle DeepMind推荐理由:Hassabis 的 AGI 时间线预测给所有关注 AI 长期影响的人敲响警钟——做政策研究、战略规划或技术伦理的团队,建议认真思考这个时间差带来的风险。原文稍后读已读值得跟进有用关注 AGI
06:22rohanpaul_ai@rohanpaul_ai72°Google DeepMind 联合创始人兼 CEO Demis Hassabis 在最新访谈中表示,AGI(通用人工智能)可能在 2030 年左右到来,误差不超过一年。他认为社会需要意识到这一时间紧迫性,因为人类正站在奇点的山脚。评论指出,真正的挑战不在于 AGI 何时精确到来,而在于现有体制(教育、企业、政府)能否适应技术变革的速度——学校仍为稳定职业培养人才,企业围绕人类瓶颈组织工作,政府则在危害显现后才监管。如果 AGI 按前沿实验室的时间表到来,这种滞后将形成危险鸿沟。行业AGIDemis HassabisGoogle DeepMind推荐理由:Hassabis 给出了 AGI 最具体的时间预测(2030±1年),做 AI 战略、政策研究或技术投资的人值得关注——这不仅是技术判断,更是对现有体制适应能力的拷问。原文稍后读已读值得跟进有用关注 AGI
04:20Latent.Space@latentspacepod强化学习环境初创公司层出不穷,但许多环境质量极差。来自Google DeepMind的专家Auriel Wright基于多年经验,揭示了RL环境中最常见的错误,包括不合理的奖励设计、不真实的物理模拟和缺乏可复现性。文章通过具体示例展示了如何识别和避免这些陷阱,帮助开发者构建更高质量的RL环境。对于RL研究者和工程师来说,这是一份实用的避坑指南。AI模型强化学习环境设计最佳实践推荐理由:RL环境质量直接影响模型训练效果,做强化学习的研究者和工程师可以对照检查自己的环境,避免常见的低级错误。原文稍后读已读值得跟进有用关注 强化学习
02:59官方一手marktechpost@Asif Razzaq精选Google DeepMind 推出 Gemma 4 的 QAT(量化感知训练)检查点,包含 Q4_0 格式(4-bit 量化)和新开发的移动格式。与 BF16 版本相比,Q4_0 可将模型内存占用降低约 75%,而移动格式进一步优化至适合手机等设备。这些检查点面向边缘计算场景,平衡了精度和推理速度。AI模型Gemma 4Google DeepMindQAT10 个信源在谈事件专题推荐理由:Gemma 4 量化版来了,内存省 75%原文稍后读已读值得跟进有用关注 Gemma 4
21:43Google AI Developers@googleaidevsGoogle DeepMind 与 HeyGen 将于6月11日在洛杉矶联合举办一场面向 AI 智能体、创意工具和多模态应用开发者的活动。活动包括演示、交流环节,并开放闪电演示名额,供有创意的团队展示项目。目前注册已开放,适合关注 AI 智能体与多模态应用的开发者参与。行业Google DeepMindHeyGenAI 智能体推荐理由:这是 Google DeepMind 与 HeyGen 首次联合举办的线下活动,聚焦 AI 智能体与多模态应用,做创意工具或智能体开发的团队值得关注,还能申请闪电演示展示自己的项目。原文稍后读已读值得跟进有用关注 Google DeepMind
18:17rohanpaul_ai@rohanpaul_ai76°Google DeepMind 最新论文首次系统分类了 6 种针对自主 AI 智能体的攻击类型,指出恶意网站可以检测到 AI 智能体并展示人类看不到的隐藏内容。这些攻击包括在 HTML 注释或白底白字文本中隐藏指令、图像像素隐写术、PDF 或元数据中的覆盖命令、跨会话持久化的记忆投毒、目标劫持以及多智能体设置中的级联攻击。论文强调,AI 智能体的真正安全问题不仅在于模型本身,更在于它所读取的环境——网络本身可以被武器化。在基准测试中,隐藏的提示注入在多达 86% 的场景中部分控制了智能体,子智能体劫持成功率 58-90%,数据外泄攻击在五种不同智能体架构中成功率超过 80%。论文AI 智能体安全/攻击提示注入推荐理由:这篇论文戳破了「模型安全=一切安全」的幻觉,做自主智能体开发、RAG 系统或浏览器自动化工具的团队,建议认真看看攻击面到底在哪。原文稍后读已读值得跟进有用关注 AI 智能体
04:27官方账号Decoder@Matthias Bastian78°Google DeepMind 发布了 Gemma 4 12B 开源模型,原生支持文本、图像和音频处理,仅需 16GB 内存即可在笔记本上运行。该模型在基准测试中几乎与两倍大小的 26B 模型持平,并采用 Apache 2.0 许可证,允许商业使用。这标志着多模态 AI 在消费级硬件上的重大突破,降低了开发者和企业的使用门槛。AI模型多模态开源/仓库Gemma 410 个信源在谈事件专题推荐理由:多模态模型终于能跑在普通笔记本上了,做本地 AI 应用或边缘计算的开发者可以直接下载试试,性能还接近两倍大的模型。原文稍后读已读值得跟进有用关注 多模态
04:12HeyGen@HeyGen_OfficialHeyGen 与 Google DeepMind 将于6月11日在洛杉矶联合举办一场线下活动,主题聚焦智能体、多模态应用和创意工具。活动内容包括产品演示、交流讨论,并开放闪电演示名额,邀请有创新项目的团队或个人参与。这是两家 AI 领域知名公司首次公开合作举办社区活动,旨在促进前沿 AI 技术的实践与交流。行业HeyGenGoogle DeepMind智能体推荐理由:做 AI 应用和智能体开发的团队别错过——HeyGen 和 DeepMind 首次线下联办,有机会展示你的项目、直接和两家团队交流,闪电演示名额开放中,建议有 demo 的立刻报名。原文稍后读已读值得跟进有用关注 HeyGen
20:41Philipp Schmid@_philschmidGoogle DeepMind 发布了一套科学智能体技能合集,专为研究任务设计,涵盖基因组学、结构生物学、化学信息学、文献搜索等多个领域。该合集旨在帮助研究人员利用 AI 智能体自动化复杂的科学工作流程,提升研究效率。这些技能可以直接在 GitHub 上获取,为科学计算和生物信息学领域提供了新的工具。AI产品智能体科学计算基因组学推荐理由:做科研或生物信息学的开发者终于有了现成的 AI 智能体工具库——覆盖基因组学、结构生物学等核心领域,可以直接拿来用,省去从零搭建的麻烦。原文稍后读已读值得跟进有用关注 智能体
11:06berryxia@berryxia83°Google DeepMind 推出名为 Co-Scientist 的多 Agent 系统,基于 Gemini 构建,旨在将科学家的研究流程(从假设生成到验证)自动化。该系统能生成上千个假设、举办“idea 锦标赛”、让多个 Agent 进行科学辩论并交叉验证,最后用文献和工具落地。在肝纤维化、ALS 新疗法和逆转衰老等复杂问题上,Co-Scientist 已产出有潜力的新方向。目前假设生成功能已通过 Gemini for Science 向个人研究者开放,旨在将高强度假设迭代从顶尖团队普及到普通研究员。AI产品多Agent系统科研助手假设生成推荐理由:做科研的团队和个人研究者终于有了一个 24 小时不睡觉的 AI 合作者,能帮你生成假设、辩论验证,直接提升发现速度,建议试试 Gemini for Science。原文稍后读已读值得跟进有用关注 多Agent系统
08:47官方账号Google DeepMind@GoogleDeepMind精选Google DeepMind 推出了 Co-Scientist,一个基于 Gemini 的多智能体系统,旨在作为科研人员的专属研究伙伴。该系统能够自动生成、辩论并演化针对复杂科学问题的新假设。Co-Scientist 通过多智能体协作,模拟科研团队的工作流程,有望加速科学发现过程。这一工具将帮助科学家更高效地探索未知领域,推动突破性进展。AI产品多智能体系统科研助手Gemini推荐理由:科研人员终于有了 AI 驱动的协作伙伴——Co-Scientist 能自动生成和优化假设,做基础研究或跨学科探索的团队可以直接用它加速发现,建议点开看看具体怎么用。原文稍后读已读值得跟进有用关注 多智能体系统
06:05Google AI Developers@googleaidevsGoogle DeepMind 在 GitHub 上开源了 Science Skills 工具包,旨在帮助开发者构建用于科学发现的自主智能体。该工具包提供科学基础和高 token 效率,可加速智能体工作流。开源版本允许社区直接使用和贡献,推动 AI 在科学研究中的应用。AI产品智能体开源/仓库科学发现推荐理由:做科学 AI 智能体的开发者可以直接用上这个开源工具包,提升 token 效率和科学推理能力,值得一试。原文稍后读已读值得跟进有用关注 智能体
05:23官方账号Google DeepMind@GoogleDeepMindGoogle DeepMind 宣布将 Co-Scientist 工具开放给个人研究者,作为 Gemini for Science 项目的一部分。该工具专注于假设生成,旨在探索 AI 驱动的科学发现未来。个人研究者现在可以通过 Hypothesis Generation 功能使用这一工具,加速科研流程。这是 AI 在科学领域应用的重要一步,降低了高级研究工具的使用门槛。AI产品Google DeepMindCo-Scientist科学发现推荐理由:个人研究者终于能直接使用 DeepMind 的 AI 科学助手生成假设,做科研的可以试试这个工具来加速发现过程。原文稍后读已读值得跟进有用关注 Google DeepMind
01:08官方账号Google DeepMind@GoogleDeepMind精选Google DeepMind 系统与全球科学专家合作,一年内处理了多个复杂科学问题。系统成功识别出肝纤维化的新治疗靶点。它还发现了针对肌萎缩侧索硬化症的新研究方法。系统通过消化数十年文献,提出了逆转衰老的新遗传线索。AI模型Google DeepMind科学发现肝纤维化推荐理由:系统搞定三个难题原文稍后读已读值得跟进有用关注 Google DeepMind
17:49AI Will@FinanceYF5GenAI Summit SF 2026 将于7月18-19日在旧金山 Palace of Fine Arts 举办,汇聚 OpenAI、Anthropic、Google DeepMind 的科学家。刚融资6.5亿美元的 AI labs 联合创始人田渊栋也将出席。该峰会已有5届历史,拥有79,000人社区,现场将有500+ VC和200+展商。第二日还将直播世界杯决赛。行业GenAI SummitOpenAIAnthropic10 个信源在谈事件专题推荐理由:AI 领域顶级科学家同台,对关注前沿模型和融资动态的从业者来说,这是了解行业风向的难得机会,建议关注或计划参加。原文稍后读已读值得跟进有用关注 GenAI Summit
18:43AI Will@FinanceYF5Google DeepMind 宣布其内容水印工具 SynthID 已为超过 1000 亿条内容添加水印。为了进一步推动行业透明度,DeepMind 正与 OpenAI、ElevenLabs 和 Kakao 合作,将 SynthID 水印技术集成到他们的模型中。此举旨在加速整个行业对 AI 生成内容进行标记的标准化进程,该合作始于与 NVIDIA 的联合推动。SynthID 通过嵌入不可见水印,帮助识别 AI 生成内容,防止滥用。行业内容水印AI 安全行业合作10 个信源在谈事件专题推荐理由:AI 内容溯源终于有了行业级协作——SynthID 水印被 OpenAI、ElevenLabs 等巨头采用,做内容审核、版权保护或 AI 安全合规的团队值得关注这一标准化的进展。原文稍后读已读值得跟进有用关注 内容水印