DeepMind 研究者提出人工共生智能以取代奇点论
DeepMind 研究者提出以人工共生智能取代奇点论,主张智能是社会现象,AI 研究应转向协调人、智能体与连接系统构成的网络。
DeepMind 研究者提出以人工共生智能取代奇点论,主张智能是社会现象,AI 研究应转向协调人、智能体与连接系统构成的网络。
Google 研究者在新论文中提出 RRSI(智能体 harness 的正则化递归自我优化),通过收缩编辑预算和严格的批评器,防止让语言模型反复改写 harness 的自我优化过拟合测试任务。
Google 找到为 AI 设计的蛋白质加水印的方法,旨在服务生物安全,且可与一款热门 AI 蛋白质设计工具配合使用。原文未透露该水印方案的具体技术细节与所对接工具的名称。
Google DeepMind 发布 SynthID Bio,把水印技术带入合成生物学,可在氨基酸序列和预测 3D 结构坐标中嵌入不可感知的签名,并在实验室测试中保持蛋白质的生物学功能。
推荐理由:原文给出了湿实验验证数据与 DNA 合成筛查场景,读者可据此理解水印如何在不损害蛋白功能的前提下进入生物安全防线。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构开放 2800 余种病毒蛋白复合体的预测 3D 结构,通过 AlphaFold Database 供全球科学家免费使用。
推荐理由:文中说明了病毒蛋白复合体数据的开放规模和可复用的结构预测流程,便于研究者判断如何接入自己的课题。
Google DeepMind 宣布试点全球首个针对专有前沿模型的双盲评测,与 Singapore AI Safety Institute、OpenMined、AVERI、MLCommons 合作,在隐私保护环境中用保密基准测试 Gemini Flash Lite 模型。
Google DeepMind 发布 AI Control Roadmap 框架,用纵深防御方式管理内部部署的先进 AI 智能体,并同步发布面向政策制定者的技术框架 Three Layers of Agent Security。
推荐理由:原文给出把不可信智能体视作内部威胁的整套做法,以及按模型能力分级的检测与响应指标,对建设智能体安全体系有直接参考价值。
Google DeepMind 公布了在塞拉利昂开展的 Guided Learning 预注册试验结果,使用该工具的学生数学成绩比对照组提高 0.258 个标准差,八周内约合 1.2 到 1.7 年的常规学习进展。
推荐理由:一次预注册试验给出了 AI 辅导的效应量与真实使用率数据,可作为评估教学效果的量化参照。
斯坦福大学医学院遗传学家 Gary Peltz 团队借助 Google DeepMind 的 Co-Scientist 从现有药物文献中筛选可重定位用于肝纤维化的药物,研究发表于 Advanced Science。