跳到正文
7月28日周二
  1. Google DeepMind MuJoCo · Releases75

    MuJoCo 3.11.0 发布:新增 SO(3) 姿态伺服与隐式弹性求解器

    DeepMind MuJoCo 3.11.0 版本发布,核心更新包括新增 geom/surfacevel 表面速度场以支持传送带等运动建模、geom/adhesion 粘附力及 pair/adhesion 远距离吸附功能。

    推荐理由:DeepMind MuJoCo 3.11.0 发布,新增表面速度场与粘附力建模、SO(3) 姿态伺服及隐式弹性求解器,支持 MIMO 执行器与多输入签名。

7月23日周四
  1. Generalist · Research Blog78

    Generalist 发布 GEN-1 具身基础模型,支持千手通用物理智能

    Generalist 发布最新具身基础模型 GEN-1,该模型在超过五十万小时真实交互数据上预训练,覆盖从五指人手到专用工具等九千多种末端执行器变体。研究通过任务向量分析量化了不同工具的权重更新幅度(2.5%至11.4%),并验证了模型能在中任务切换机械手时即时适应新策略。该工作旨在构建不依赖特定硬件形态的通用物理智能,使机器人能像工具箱一样灵活组合工具完成任务。

    推荐理由:GEN-1 基础模型支持多种末端执行器,通过混合数据训练实现跨工具策略迁移与中任务切换适应。

7月21日周二
7月1日周三
6月16日周二
6月10日周三
  1. Google DeepMind74

    DeepMind 联合多方启动千万级多智能体安全研究资助计划

    Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation 等机构宣布推出总额最高达 1000 万美元的多智能体安全研究资助计划,旨在应对大规模独立智能体交互带来的系统性风险。

    推荐理由:DeepMind 联合多方发起百万美元资助计划,聚焦多智能体系统涌现行为、网络失效及跨平台身份协议等四大方向。

6月9日周二
  1. Google DeepMind72

    Google DeepMind 发布 Gemma 4 12B:首个原生支持音频输入的无编码器多模态模型

    Google DeepMind 正式发布 Gemma 4 12B,这是其首款原生支持音频输入的中尺寸多模态模型。该模型采用无编码器统一架构,视觉和音频信号直接流入 LLM 主干,在标准基准测试中表现接近 26B MoE 版本但显存占用减半,仅需 16GB 显存即可在消费级笔记本本地运行。

    推荐理由:Gemma 4 12B 采用无编码器统一架构,原生支持音频输入且仅需 16GB 显存即可在本地笔记本运行。

  2. Google DeepMind62

    Google DeepMind 加速器:15 家欧洲机器人初创企业入选并获 AI 技术支持

    Google DeepMind Accelerator: Robotics 项目于本周在伦敦启动,从众多申请者中精选了 15 家来自欧洲的早期机器人初创企业加入该计划。

    推荐理由:DeepMind 宣布启动面向欧洲早期机器人初创企业的加速器项目,提供为期三个月的导师指导、技术栈及 Gemini 机器人模型支持。

5月18日周一
  1. Google DeepMind52

    Project Genie 接入 Street View 实现实景生成

    Google DeepMind 发布 Project Genie 新功能,将其通用世界模型能力与 Google Street View 实景影像结合,允许用户在选定美国地点后生成基于真实地理锚点的想象世界。该功能支持“海洋世界”等风格化场景,目前作为实验原型向全球 Google AI Ultra 订阅者开放,旨在为 AI 智能体提供在现实复杂环境中导航和交互的虚拟环境。

5月16日周六
  1. Google DeepMind72

    Gemini 3.5:前沿智能与行动能力的结合

    Google DeepMind 发布 Gemini 3.5 Flash 模型,该模型在终端基准、代码生成及多模态理解任务上表现优异,推理速度达到其他前沿模型的 4 倍。作为首个面向公众的 3.5 版本,它默认用于全球用户的 Gemini App 和搜索 AI 模式,并驱动了个人智能体 Spark 等功能的上线。DeepMind 同时表示正在内部使用 Gemini 3.5 Pro,计划于下月推出。

    推荐理由:DeepMind 发布 Gemini 3.5 Flash,在保持高推理速度的同时提升多模态理解与长程任务执行能力,并默认用于个人智能体 Spark。

5月12日周二
4月22日周三
  1. Google DeepMind70

    Decoupled DiLoCo:一种面向全球分布数据中心的弹性分布式 AI 训练新架构

    Google DeepMind 发布 Decoupled DiLoCo(Distributed Low-Communication)架构,旨在解决未来超大规模模型训练中维持数千芯片同步的物流挑战。

    推荐理由:DeepMind 推出 Decoupled DiLoCo 架构,支持在低带宽和异构硬件下训练大模型,显著提升分布式训练的容错性与效率。

4月13日周一
  1. Google DeepMind82

    Gemini Robotics-ER 1.6 发布:通过增强的具身推理赋能现实世界机器人任务

    DeepMind 正式发布 Gemini Robotics-ER 1.6 模型,该版本在空间推理、多视角理解及仪表读数能力上显著优于前代。新增的仪表读数功能允许机器人自主解读压力计和液位计等复杂工业设备,结合波士顿动力 Spot 机器人的实地需求开发。

    推荐理由:DeepMind 发布 Gemini Robotics-ER 1.6,新增仪表读数能力并强化空间推理与多视角理解,开发者可通过 API 和 Colab 立即试用。

3月18日周三
2月13日周五
  1. Google DeepMind60

    Gemini 3 Deep Think 模式升级并开放 API 早期访问

    Google DeepMind 发布 Gemini 3 Deep Think 重大升级版本,该专用推理模式在数学、编程竞赛及国际物理与化学奥赛基准上达到金牌水平,并能将草图转化为可 3D 打印的物理对象。此次更新不仅面向 Google AI Ultra 订阅者开放应用内使用,首次也通过 Gemini API 向研究人员和企业合作伙伴提供早期访问权限。

    推荐理由:Deep Think 模式升级,新增通过 Gemini API 的早期访问权限,支持从草图生成 3D 打印文件及复杂科学推理。

1月30日周五
1月16日周五
  1. Google DeepMind80

    DeepMind 发布 D4RT:统一 AI 模型实现 4D 场景重建与时空追踪

    Google DeepMind 推出 D4RT(Dynamic 4D Reconstruction and Tracking),这是一个统一的编码器 - 解码器 Transformer 架构,通过查询机制从 2D 视频中恢复 3D 动态世界。

    推荐理由:DeepMind 推出 D4RT 统一模型,以查询机制实现 300 倍加速的 4D 场景重建与追踪,支持机器人导航、AR 及世界模型构建。

12月24日周三
12月11日周四
  1. Google DeepMind35

    Google DeepMind 与英国人工智能安全研究所深化合作推进基础安全研究

    Google DeepMind 宣布与英国人工智能安全研究所(AISI)签署谅解备忘录,将合作从模型测试扩展至共享专有模型数据及开展联合基础研究。双方重点聚焦监控 AI 推理过程、理解社会情感影响以及评估经济系统风险等关键领域。此次合作旨在通过外部独立专家视角,构建更稳健的 AI 安全评估方法以造福行业与社会。

11月20日周四
  1. Google DeepMind20

    Google DeepMind 在 Gemini App 上线 SynthID 图像验证功能并扩展 C2PA 支持

    Google DeepMind 即日起在 Gemini App 引入 SynthID 数字水印技术,允许用户直接上传图片询问是否由 Google AI 生成或编辑。该技术自 2023 年推出以来已对超 200 亿件内容打标,并正与 C2PA 联盟合作,本周起为 Nano Banana Pro(Gemini 3 Pro Image)生成的图像嵌入 C2PA 元数据以增强透明度。

11月19日周三
  1. Google DeepMind82

    Google 发布 Gemini 3:最强多模态模型与全新代理开发平台

    Google 正式发布 Gemini 3 系列,宣布其为目前最智能的模型,具备最先进的推理、多模态理解及代理编码能力。Gemini 3 Pro 在多项基准测试中超越前代,支持 100 万 token 上下文窗口;新增 Deep Think 模式以进一步提升复杂问题解决能力。

    推荐理由:原文宣布 Gemini 3 系列发布,提供最新推理与多模态能力,并开放 Google Antigravity 代理开发平台及 Deep Think 模式。

11月13日周四
  1. Google DeepMind70

    SIMA 2:能在虚拟 3D 世界中与你互动、思考并学习的智能体

    DeepMind 发布 SIMA 2,这是继去年版本后的重大升级,通过嵌入 Gemini 模型赋予其推理与对话能力,使其从指令跟随者转变为可协作的虚拟游戏伙伴。

    推荐理由:DeepMind 推出 SIMA 2,通过集成 Gemini 推理能力实现目标规划与自我改进,并在 Genie 3 生成的虚拟世界中验证了泛化性。

11月11日周二
  1. Google DeepMind67

    DeepMind:通过三步法让 AI 视觉模型像人一样理解世界

    DeepMind 发布新研究,指出当前视觉模型在组织视觉信息时与人类存在系统性偏差,导致其在“找不同”等认知任务中表现不佳。团队提出一种三步对齐方法:先利用少量人类判断数据微调小型适配器构建教师模型,再基于该教师生成百万级合成数据集,最后用此数据对预训练模型进行全量微调以重构内部表征。

    推荐理由:DeepMind 发布新论文,提出三步法将视觉模型内部表征与人类概念层级对齐,显著提升认知任务表现及鲁棒性。

11月6日周四
  1. Google DeepMind55

    DeepMind 发布森林砍伐风险预测基准与物种分布图,更新生物声学模型 Perch 2.0

    Google DeepMind 发布了用于预测森林砍伐风险的基准数据集,该模型基于纯卫星输入和视觉 Transformer 架构,分辨率达 30 米。同时推出了新的 AI 驱动方法以生成地球物种分布图,并更新了生物声学分类器 Perch 2.0 作为基础模型供生态学家适配使用。