2026年10月30日,Google DeepMind发表论文《The Economics of Intelligence》,提出用胜任(单任务能力)与协同(智能体协作能力)两项阈值刻画AGI对经济的影响,认为经济影响取决于智能体协调能力而非单个模型变强。论文称AI已在精简初创公司、扁平化组织架构和部分入门岗位招聘放缓上显现变化,但尚未出现大规模失业;多数基准只测单个模型,而企业以团队形式竞争。论文引用一项100人测验,互补配对的小组比随机配对表现高32%。同日,Ethan Mollick评论该研究,指出组织不只是最优秀个体的加总,单个智能体变强不会独自改变经济,能协同工作的智能体才可能带来转型。
匹配字段标题
Google DeepMind与多所顶尖高校发表论文,测试AI智能体求解未发表研究级理论物理问题的能力。论文显示,表现最好的AI智能体解出50道未公开研究级理论物理题中的49道,每题约相当于领域专家一天的工作量,单题成本低于3美元。题目由专家从自身研究中提供,智能体独立作答,分联网与不联网两组,仅按最终数值答案评分。GPT-6-Astra在Codex中联网解出49道;它与Opus 5.5在Claude Code中不联网各解出46道,去掉联网后准确率变化很小,作者据此认为模型可能已记住大量物理文献。
匹配字段标题
Google DeepMind与多所顶尖高校发表论文,测试AI智能体求解未发表研究级理论物理问题的能力。论文显示,表现最好的AI智能体解出50道未公开研究级理论物理题中的49道,每题约相当于领域专家一天的工作量,单题成本低于3美元。题目由专家从自身研究中提供,智能体独立作答,分联网与不联网两组,仅按最终数值答案评分。GPT-6-Astra在Codex中联网解出49道;它与Opus 5.5在Claude Code中不联网各解出46道,去掉联网后准确率变化很小,作者据此认为模型可能已记住大量物理文献。
匹配字段标题
Google DeepMind 发表论文,研究 AI 助手未经请求自行行动对员工的影响。论文称,该智能体在一家大型科技公司的 20 多个团队中运行了 5 个月,研究者访谈了 17 位用户。它曾把过期文档当作最新内容、在 16 个 bug 上标记了一位 VP、在作者准备好之前分享海报草稿,还误读了讽刺语气。部分用户称其为救星,另一些人则感到被监视,并把敏感讨论转移到没有智能体的聊天中;主动选择该智能体的团队会原谅它的早期错误,而觉得它是被强加的人则不会。作者建议在部署智能体时取得团队同意、分离权限,并提供便捷的操作撤销方式。
匹配字段标题
Google DeepMind 发表论文,研究 AI 助手未经请求自行行动对员工的影响。论文称,该智能体在一家大型科技公司的 20 多个团队中运行了 5 个月,研究者访谈了 17 位用户。它曾把过期文档当作最新内容、在 16 个 bug 上标记了一位 VP、在作者准备好之前分享海报草稿,还误读了讽刺语气。部分用户称其为救星,另一些人则感到被监视,并把敏感讨论转移到没有智能体的聊天中;主动选择该智能体的团队会原谅它的早期错误,而觉得它是被强加的人则不会。作者建议在部署智能体时取得团队同意、分离权限,并提供便捷的操作撤销方式。
匹配字段标题
Google DeepMind 与剑桥发表论文,展示一个基于 Gemini 的 AI 智能体能够自主发现新数学。该智能体为 11 台此前没有分析记录的 Busy Beaver 图灵机找到并给出精确规则。据论文描述,智能体先在模拟器中测试边界情况、起草非形式化证明,再在 Lean 证明检查器中完成证明,相关规则均通过 Lean 验证。论文称这体现了 AI 从回答人类提出的数学问题走向开放式发现。目前该工作以论文形式呈现,尚无后续进展报道。
匹配字段标题
Google DeepMind 团队让四个运行在 Gemini 4 Argon 上的 AI 智能体在随机生成的世界中自主通关 Minecraft,击杀末影龙,全程无人类输入。团队没有为它们分配角色、策略或游戏专用工具,四个智能体自行分工、互相预警威胁、回收阵亡队友的物品,并把错误记录在共享记忆中。整轮运行耗时 27 小时 14 分钟,共编写 2783 个 JavaScript 程序、交换 229 条聊天消息、死亡 605 次,按 2027 年生效的 Gemini 4 Argon 标准价格计算花费 1620 美元。
匹配字段标题
Google DeepMind 与剑桥发表论文,展示一个基于 Gemini 的 AI 智能体能够自主发现新数学。该智能体为 11 台此前没有分析记录的 Busy Beaver 图灵机找到并给出精确规则。据论文描述,智能体先在模拟器中测试边界情况、起草非形式化证明,再在 Lean 证明检查器中完成证明,相关规则均通过 Lean 验证。论文称这体现了 AI 从回答人类提出的数学问题走向开放式发现。目前该工作以论文形式呈现,尚无后续进展报道。
匹配字段标题
Google DeepMind 发表论文,发现自进化智能体在学习新任务时会遗忘旧任务。该团队在话题、工作流或领域不断变化的任务流上测试了 ReasoningBank、GEPA 和 Meta-Harness。结果显示,GEPA 学得最多,平均每块提升 6.2 分,但在其他任务上损失也最大,为 4.3 分;它学会向用户追问缺失信息后,后续任务块改写了这条规则,15.5 分的增益降至 2.5 分。作者建议,若智能体会自行修改提示词或记忆,应把任务专属规则分开存放,并在每次更新后重测旧任务。目前该发现来自单一来源报道,尚无后续进展。
匹配字段标题
Google DeepMind 发表论文 自进化智能体在学习新任务时会遗忘旧任务
English translation is being prepared.
匹配字段标题
Google DeepMind 团队让四个运行在 Gemini 4 Argon 上的 AI 智能体在随机生成的世界中自主通关 Minecraft,击杀末影龙,全程无人类输入。团队没有为它们分配角色、策略或游戏专用工具,四个智能体自行分工、互相预警威胁、回收阵亡队友的物品,并把错误记录在共享记忆中。整轮运行耗时 27 小时 14 分钟,共编写 2783 个 JavaScript 程序、交换 229 条聊天消息、死亡 605 次,按 2027 年生效的 Gemini 4 Argon 标准价格计算花费 1620 美元。
匹配字段摘要
Google DeepMind 的论文登上 10 月 8 日的《Science》。据 36氪 · AI 报道,其自动数学证明系统 AlphaProof Nexus 在 353 道悬而未决的 Erdős 问题中自主解出 9 道,其中两道自 1970 年悬置至今。该系统由 Gemini 3.1 Pro 用 Lean 起草证明,编译器逐行校验并反馈迭代,每道题推理开销为几百美元。论文的消融结果显示,去掉子代理锦标赛等复杂结构、只保留大模型加 Lean 反馈的简版系统同样能解出这 9 道题,只是最难的几道更烧钱。目前尚无后续发展事实。
匹配字段摘要
François Chollet 评价称,Gemini 4 Argon 在 ARC-AGI-3 上的表现与 Astra 相近,Google 重回前沿。同日,ARC Prize 公布 Gemini 4 Argon 在 ARC-AGI 系列上的验证成绩:ARC-AGI-3 在 provider adapter harness 下得 97.5%,成本 4.8K 美元;标准 harness 下为 49.8%,成本 5.8K 美元。ARC-AGI-2 为 91.3%,每任务 0.32 美元;ARC-AGI-1 为 98.5%,每任务 0.16 美元。ARC Prize 称 Google DeepMind 是第二家在 ARC-AGI-3 上超过 95% 的前沿 AI 实验室,Argon 的 97.5% 仅次于 GPT-6 Astra 的 99.9%。标准 harness 测试因 API 问题未能完成全部 55 个游戏,高推理档仅完成 19 个游戏,故未公布分数。
匹配字段摘要
Google DeepMind 登上 《Science》
English translation is being prepared.
匹配字段摘要
2026年8月11日,Google Research与Google DeepMind展示AMIE在实时音视频临床咨询中的专家级表现。据Google Research介绍,AMIE (Video) 基于Gemini和Project Astra实现实时视频临床问诊,可感知非语言线索、引导虚拟体格检查并同步进行诊断推理;其采用异步多智能体架构,由三个专职智能体并行处理对话、推理与视听感知,以维持自然对话延迟。在100个场景、300次实时问诊、30名认证初级保健医生参与的随机OSCE研究中,临床评估者在病史采集、诊断准确性和沟通质量上给AMIE (Video) 的评分与初级保健医生相当,在引导体格检查方面显著更高;患者演员更偏好视频界面。研究全部使用专业患者演员模拟场景,尚未在真实患者中验证。
匹配字段摘要
Google Research与Google DeepMind 展示 AMIE在实时音视频临床咨询中的专家级表现
English translation is being prepared.
匹配字段摘要
Google DeepMind 发布 AI Control Roadmap
English translation is being prepared.
匹配字段摘要
Google DeepMind 发布随机对照试验结果 Gemini引导学习对塞拉利昂学生数学学习的影响
English translation is being prepared.
匹配字段摘要
Google DeepMind、Google Research 提出 弹性分布式AI训练架构Decoupled DiLoCo
English translation is being prepared.
匹配字段摘要
Google 公布 Gemini 在英国和意大利课堂的研究结果：英国 10 周随机对照试验覆盖 1100 多名 12 至 15 岁学生，AI 辅导在平台任务和测验中与人类辅导表现相近，但未在 STAR 标准化测试上体现提升。意大利 31 所学校、1600 名教师的研究显示，教师用 Gemini 共同设计课程后，传统讲授减少 38%，学生主导的协作学习接近三倍，学生参与度从 77% 升至 84%。
Gemini 如何帮助课堂上的学生和教师 2026年10月29日 | x.com Facebook LinkedIn 邮件 来自英国和意大利的新研究显示，Gemini 能够提升学生的学习效果，并帮助教师在课堂上促进更主动的学习。 Kevin McKee Google DeepMind 教育 AI 评估负责人 Amanda Rosenburg Google for Education 专职研究员 分享 x.com Facebook LinkedIn 邮件 收听文章 [[duration]] 分钟 此内容由 Google AI 生成。生成式 AI 仍处于实验阶段 我们正在分享关于 Gemini 如何支持英国和意大利各地课堂中学生与教师的新研究结果。我们的研究表明，AI 辅导能够提供有效的数学支持，而使用 Gemini 共同设计课程的教师则报告称学生参与度更高、自身福祉也有所改善。您可以阅读我们的完整技术报告和实施报告，进一步了解这些工具在不同教育环境中的运作方式。 摘要由 Google AI 生成。生成式 AI 仍处于实验阶段。 我们通过在英国和意大利开展的研究试验，研究了 Gemini
匹配字段正文