DeepMind 发布 Co-Scientist：多智能体 AI 研究伙伴
推荐理由：Co-Scientist 是一款由 Google DeepMind 开发的多智能体 AI 系统，旨在加速科学研究。它可以帮助研究人员生成、辩论和改进新的科学假设，从而加速突破性科学假设的生成和改进。对于希望利用 AI 加速科学研究的读者来说，这是一个值得关注的新工具。
Google / Gemini
全部主题Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。
120条精选相关主题OpenAI / ChatGPTAnthropic / Claude多模态
最新精选
第 101–120 条 · 共 120 条5月12日星期二周二
5月6日星期三周三
AlphaEvolve：我们的Gemini智能体如何跨领域扩大影响
推荐理由：原文展示了AlphaEvolve在多个领域的显著影响，读者可以据此了解其对现有工作流的潜在改变。
5月2日星期六周六
Google Research 通过全球合作和开放资源推动科学突破
推荐理由：Google Research 通过全球合作和开放资源推动科学突破，展示了开源软件和开放数据集在推动现代科学中的作用。
4月30日星期四周四
DeepMind 发布 AI 协同医生研究项目
推荐理由：原文详细介绍了 DeepMind 的 AI 协同医生研究项目，探讨了 AI 如何更好地辅助医生，提升医疗质量。
谷歌研究科学家如何使用实证研究辅助
推荐理由：原文展示了 Empirical Research Assistance 在多个领域的应用，读者可以了解其在科学发现中的作用。
4月29日星期三周三
Karpathy 访谈：Vibe Coding 只是开始，真正重要的是 Agentic Engineering
推荐理由：Karpathy 访谈探讨了编程范式的转变，从 Vibe Coding 到 Agentic Engineering，对软件开发和 AI 应用的未来有重要启示。
4月22日星期三周三
ReasoningBank：使智能体能够从经验中学习
推荐理由：ReasoningBank 通过从成功和失败的经验中提取有用见解，为测试时的自我进化提供了一种强大的框架，有助于 LLM 从经验中学习并成为持续的学习者。
4月16日星期四周四
设计用于现实世界的合成数据集：从第一性原理进行机制设计和推理
推荐理由：Simula 框架通过机制设计，将数据生成转化为可控的科学，为构建高保真数据集提供了清晰路径，对 AI 的发展具有重要意义。
Google Research 发布 AI 生成神经元加速大脑图谱绘制研究
推荐理由：原文介绍了利用 AI 技术加速大脑图谱绘制的研究进展，读者可以了解 AI 在这一领域的应用和潜力。
4月13日星期一周一
EinsteinArena：利用野生的智能体集体智慧推动科学发展
推荐理由：EinsteinArena 允许智能体在开放平台上协作解决问题，推动科学发现，读者可以了解其如何改变现有工作流。
4月9日星期四周四
Google Research发布论文：介绍两个AI智能体以提升学术研究工作流程
推荐理由：原文介绍了两个AI智能体，PaperVizAgent和ScholarPeer，它们分别用于学术研究的可视化辅助和同行评审，读者可以了解这些工具如何提升学术研究效率。
4月7日星期二周二
Gemma 4 与 Gemini API 和 Google AI Studio 的使用方法
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
3月31日星期二周二
谷歌研究：负责任地披露量子漏洞以保护加密货币
推荐理由：原文提出了量子计算机对加密货币安全的潜在威胁，并提供了应对策略，读者可以了解量子计算对加密货币行业的影响和应对措施。
3月26日星期四周四
Sierra 发布智能体构建服务
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
3月25日星期三周三
Google 发布 Vibe Coding XR，加速 AI + XR 原型设计
推荐理由：原文介绍了 Vibe Coding XR 工作流程，该流程利用 Gemini 和 XR Blocks 框架，将自然语言直接转换为功能性的 Android XR 应用，为开发者提供快速原型设计工具。
Google Research 发布 TurboQuant：重新定义 AI 效率与极端压缩
推荐理由：原文介绍了 TurboQuant 算法及其在 AI 模型压缩和搜索中的应用，对理解 AI 模型效率和搜索技术有重要价值。
2月23日星期一周一
语音模型在关键领域失败的原因及解决方案
推荐理由：原文提出了针对语音识别系统在实际应用中存在的问题，并介绍了通过合成数据生成技术提高模型性能的方法，对相关领域的研究者具有参考价值。
11月19日星期三周三
从 GPT-3 到 Gemini 3：三年 AI 技术的进步
推荐理由：原文详细介绍了 Gemini 3 模型的功能和应用，展示了 AI 技术的进步，对读者了解 AI 的发展趋势有重要价值。
8月15日星期五周五
ARC-AGI中HRM性能的隐藏驱动因素分析
推荐理由：本文深入分析了HRM模型在ARC-AGI基准测试中的表现，揭示了其性能提升的关键因素，对理解AI推理模型具有重要意义。
6月5日星期四周四
测试了所有主要AI推理系统：没有明确的赢家
推荐理由：本文对多个AI推理系统进行了测试，分析了其优缺点，并提出了未来研究方向。