搜索“Google DeepMind”

题。” DecoyCount 论文中的前沿模型对比 视觉思维究竟是什么？ Andrew Dai 在 AI 领域并非初来乍到者。2015 年，在 Google 工作期间，他与人合著了一篇题为《半监督序列学习》的论文。在这篇论文中，Dai 和他当时的同事 Quoc Le 展示了后来被大型语言模型采用的“预训练后再微调”方法的早期版本。在随后的十年里，Dai 在 Google DeepMind 工作，参与了 GLaM MoE、PaLM 2，以及后来的 Gemini。赞助你的赞助广告位在这里触达正在构建未来的 AI 工程师。 Latent Space 的读者正是那些交付智能体、模型和基础设施的人。咨询赞助此广告位。business@latent.space → Dai 今年才离开 Google，目的是联合创立 Elorian。他的部分动机是推动视觉模型能力的边界。他向 Latent Space 解释说，他的方法基于人类心理学中一个名为视觉思维的概念。 当大多数人“思考空间问题或视觉问题”时，他解释说，“他们会通过在大脑中生成图像和编辑图像来将问题可视化。” 他举了一个买沙发并在脑海中想象它放在

匹配字段正文

pus 5.5。 不止 Artificial Analysis，Arena.ai 最新公布的榜单也显示，Gemini 4 Carbon（High）在 Text Arena 登顶第一、Agent Arena 排名第二、Code Arena WebDev 排名第四。 伴随着新模型登顶，谷歌内部也开始为 Gemini 积极造势。此前从 Anthropic 跳槽至 Google DeepMind 的华人研究员姚顺宇，同样为 Gemini 系列宣传打 call。 除了综合排名，Gemini 4 Carbon 在实际工程任务上的表现也有明显变化。 过去，大模型可以在几分钟内写出一段程序，但面对大型软件工程，问题就复杂得多。一个隐藏在数百个文件中的故障，可能需要开发者反复检查依赖关系、定位异常、修改代码，再经过多轮测试才能解决。 谷歌表示，Gemini 4 Carbon 已经能够连续运行数天，处理大型代码库和底层系统中的复杂工程问题，即使遇到障碍，也能持续寻找其他方案，最终定位并修复一些隐蔽的软件缺陷。 网页开发方面，Gemini 4 Carbon 在 WebDev Arena 上的 Elo 评分提

匹配字段正文

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

计算资源 上，并没有向投资者承诺具体的商业化时间表——话里话外都是 完全不急着赚钱 。 不是？完全没有商业化收入，资本却给出了更高的估值溢价……神了。这帮平时精明得要死的老钱和VC集体失心疯了？ 或许你会觉得这是彻头彻尾的泡沫。但翻开PI的创始团队名单，就能明白顶级风投为何不看营收也敢下重注。 这家公司成立于 2024年 ，坐标美国旧金山。核心创始团队来自 Google DeepMind、斯坦福大学和加州大学伯克利分校 ，堪称全球机器人学术界和工业界的天花板阵容： 联合创始人兼首席执行官 Karol Hausman ，此前在Google与Google DeepMind深耕多年，是负责前沿机器人研究的核心科学家，还是斯坦福大学兼职教授，长期主导谷歌机器人的前沿探索。 联合创始人 Sergey Levine ，加州大学伯克利分校（UC Berkeley）教授，机器人学习和强化学习领域宗师级的大神，很多研究具身智能的学生应该都读过他的论文。 以及联合创始人 Chelsea Finn ，斯坦福大学助理教授，元学习和机器人领域的领军学者（也曾是Levine的博士生）。 还有一位联合创始人，就是前

匹配字段正文

预览了 Genie 4，这是一款能够生成逼真三维环境的人工智能模型。 该算法是该公司于 2024 年推出的一系列世界模型中的最新成员。与其前代相比，Genie 4 更擅长渲染流体运动和其他复杂细节。此外，它还能生成配套音频，例如海浪拍击的声音。 “最显著的飞跃在于 Genie 4 如何模拟人物，创造出动作自然、能对环境做出有机反应、并可实时交互操控的角色，”Google DeepMind 员工 Raia Hadsell、Diego Rivas 和 Hang Qi 在博客文章中写道。 用户可以通过向 Genie 4 提供希望渲染内容的自然语言描述来创建虚拟世界。随后，他们可以浏览模拟场景，并通过输入后续提示词进行编辑。例如，用户可以要求 Genie 4 改变天气或添加更多物体。该模型进行此类编辑时，不会降低虚拟世界的照片级真实感或一致性。 Genie 4 的自然语言界面与键盘控制并存。键盘控制可用于改变摄像机的位置和角度。 在底层，Genie 4 使用 Google 的其他多个模型来提升其输出质量。它依赖这家搜索巨头于 5 月推出的视频生成器 Gemini Omni，以确保其生成的视觉素

匹配字段正文

句话： Prompt engineering is dead. Prompt however you want. Have fun。提示工程已死，想怎么问就怎么问，玩得开心。 三句话，加起来 10 个英文单词。可就这 10 个词，在 AI 圈掀起了滔天巨浪。 这话不是谁说都有这分量。 Goodside 做过 Scale AI 的首席提示词工程师，后来又加入 Google DeepMind 继续干这行。Scale AI 的 CEO Alexandr Wang当年亲自站台说，他打赌 Goodside 是全球第一个被正式雇用的提示词工程师。 早年他靠公开做实验出名，专门研究怎么跟大模型打交道，连「提示注入攻击」这个安全概念都是他早期研究的重点方向之一。 有网友评论一针见血：这话出自一个几乎亲手设立了这个职位的人之口，真是一篇有趣的悼词。 念「咒语」的日子，你也经历过吧 把时钟往回拨一拨。 ChatGPT 刚火那阵子，谁的收藏夹里没躺过几份「万能提示词模板」呢？ 先给 AI 指定一个身份——「你是一位资深 XX 专家」，再规定输出格式，再叮嘱一句「请一步步思考」，最后还得加两句客气话。 那时候

匹配字段正文

本周五(10月23日)，美国能源部宣布，已根据《2020年能源法》将氦气认定为关键材料，以加强美国制造业和供应链安全； ②美国能源部长克里斯·赖特在一份声明中写道，氦气对于生产推动美国经济发展的半导体和先进技术至关重要。 OpenAI、Anthropic齐参与！全球首个AI生物安全实验室将问世 财联社 潇湘 2026-10-24 15:45 ①英国内阁办公厅周六发布公告表示，英国将设立一个国家级人工智能生物安全实验室，以帮助加强其应对新出现生物威胁的防御能力； ②该实验室将由OpenAI、Anthropic与Google DeepMind共同支持，这是英国为提升理解并化解AI技术潜在风险而推出的一揽子关键举措之一。 什么信号？亚马逊CEO：AWS 2027年容量基本售罄，巨额投资仍难匹配需求！ 财联社 黄君芝 2026-10-24 13:40 ①受人工智能基础设施需求不断增长的影响，亚马逊网络服务的云计算容量在2027年底前已基本售罄，且大量订单已排至2028年； ②亚马逊计划在2026年投入约2200亿美元用于资本支出，反映出其对数据中心和配套基础设施的积极投资，但供应仍然受到限制。

匹配字段正文

关键在于怎样运用这些条件，而非公司成立了多少年。 机器开始学习新的工作 汽车工厂并不缺机器人，固定机械臂擅长的焊接、喷涂等工作，早已形成成熟方案。今天还要研究人形机器人，是因为企业希望机器处理更有变化的任务：物品的位置会变，生产的型号会变，原本由人完成的取放、搬运和操作，也很难全部用一套固定动作覆盖。 视觉、语言与动作模型正在尝试把环境、指令和动作联系起来。Google DeepMind在2025年公布的端侧机器人模型，已展示通过少量示范适应新任务的研究进展。对车企而言，值得下注的方向是：汽车换型、零件换位置之后，机器人能否通过训练继续工作，减少每次重新开发专用方案的负担。 人形结构的吸引力也与此有关，大量工位、工具和通道本来就是供人使用的，接近人的操作范围，使机器人有机会沿用部分现成环境。企业便可以尝试把机器送到任务面前，而不必每次围着设备重建一套工作场地。双足并非所有任务的最佳选择，稳定地面上的轮式设备也能完成许多工作；车企最终购买的仍是适合任务的方案。人形带来的空间适应性，要与动作能力一起证明价值。 宝马与Figure的合作，已经展示了真实任务怎样改变机器人。Figure 02在

匹配字段正文

T系列为代表，系统开展双足行走研究，1973年WABOT-1成为全球首个全尺寸人形机器人；此阶段以运动机理为主、智能能力初步萌芽。 动态运动时代（2000s—2022）：本田ASIMO、波士顿动力Atlas/PETMAN等推动高动态运动控制，感知与规划能力快速提升，但智能化程度有限，尚未形成任务级泛化能力。 商业化爆发（2023至今）：大模型与具身智能结合，Google DeepMind于2023年7月发布RT-2，标志VLA（视觉—语言—动作）范式正式确立并成为主流技术路线，资本与政策同时进入。 不同形态成熟度差异显著：工业/协作机械臂、AMR 已规模商用，人形机器人正从工厂与仓储试点向小批量部署过渡；面向家庭场景的通用产品，距离大规模可用仍有相当距离。过去三年的进展速度明显快于此前三十年。 梳理上述历程可以提炼一条清晰规律：每一轮产业加速，都由上一层“底层能力外溢”触发——控制理论外溢带来运动与平衡能力，催生了工业机械臂；机器学习外溢带来感知与识别能力，催生了视觉与导航应用；当下的外溢则是通用大模型，其显著降低了任务理解与指令跟随的门槛，推动了VLA与任务级泛化。然后，运动控制、可

匹配字段正文

模型深度协同的递归自我改进（RSI）阶段：模型正直接参与提出训练配方建议、自动评估下一个检查点。皮查伊本人每天也在使用内部Agent汇总预训练、中训练、后训练和数据群组的24小时研发进展，每天节省约1小时的信息同步时间，并通过接入遥测数据的Agent实时监控各部门的算力使用效率。 2.首谈DeepMind高层变阵，自由现金流转负背后的博弈 针对近期备受关注的Google DeepMind人事震荡：传奇工程师Jeff Dean离职创业、Demis Hassabis退居首席科学家与主席、Koray Kavukcuoglu接棒掌管DeepMind，皮查伊首次给出了官方解释。 除了效力27年的Jeff Dean希望开启新探索创立Discovery Loop外，内部调整的核心原因在于：前沿模型研发已经演变成一项吞噬全部精力的超大规模工程。 皮查伊指出，从数据筹备、算力调度、算法演进到统筹人类团队与模型Agent协同，前沿模型的迭代速度越来越快，需要一位专职负责人投入全部精力统筹日常运转。Koray在DeepMind任职超十年，且早在18个月前就已搬到湾区推进跨部门整合，由他接管模型研发管线水到渠

匹配字段正文

阅读 Shopify 的持续学习案例研究。 第 0 天：培训、工作坊和同期活动 10 月 19 日的第 0 天议程包括： PyTorch：携手 Red Hat、NVIDIA 和 IBM 赋能企业 LF AI & Data Summit 2026 PyTorch 助理培训 Jupyter Day 从学术到应用工作坊 Arm Create 携手 Google、Google DeepMind、Nota 和 Renesas 在 Amazon SageMaker 上微调 LLM 并使用 GenieX 在设备端运行 The PyTorch 助理培训 提供了一项线下、由讲师主导的课程，聚焦于 PyTorch 认证助理（PTCA）考试. 所涵盖的基础和实践技能。通过讲座、演示、指导实验和评估，该培训旨在帮助参与者从零开始构建和优化真实世界的模型。完成课程还包括一张认证考试代金券。 感谢首席讲师 Faradawn Yang、内容创作者 Sahdev Zala，以及助理讲师 Allison Ding、Krishna Kalyan、Santosh Bahir、Lakshay Garg 和 Ian Wang

匹配字段正文

合创始人 Thomas Wolf，以及多家风险投资机构。 Enact（正式名称为 Eta Robotics AG）于今年早些时候由首席执行官 Manuel Yves Galliker 创立。这位高管此前曾在机器人初创公司 Physical Intelligence Inc. 和 1X Technologies AS 担任工程岗位。Enact 团队还包括来自 Google DeepMind、Amazon.com Inc. 及其他行业主要参与者的前员工。 Enact 正在开发专门用于控制机器人的 AI 模型。这类算法过去通常针对特定的机器人形态量身定制。因此，一个为驱动人形机器人而构建的模型，可能无法可靠地操作一台独立的机械臂。相比之下，Enact 的算法旨在支持多种多样的机器人设计。 早期初创公司通常使用开源模型的定制版本来驱动其软件。最近的一则招聘信息表明，Enact 正在采取不同的路线。该公司正在招聘一名具备预训练专长的 AI 研究员——预训练是指从零开始开发 AI 模型，这项任务可能比定制开源模型要困难得多。 Enact 表示，公司不仅开发 AI 模型，还开发机器人的物理组件，其中

匹配字段正文

，Hugging Face 还处于 OpenAI 模型发起的一次重大黑客攻击的中心。） DNA 更像计算机代码，而不是自然语言。不过，它不用 0 和 1，而是用 A、C、G 和 T 来编码信息。人类基因组包含 60 亿个这样的字母。尽管人类基因组已被端到端测序，科学家们仍不了解其中大部分是如何运作的。 如今，AI 模型正在帮助研究人员解开其中一些谜团。去年，Google DeepMind 发布了 AlphaGenome，它可以预测 DNA 序列和基因突变的影响，但以数字格式呈现。它还需要更多算力。Evo 2 是由 Arc Institute 和英伟达与学术合作伙伴共同开发的模型，它使用 DNA 的语言，可以从零生成完整的基因组。 Carbon-X 在对话式界面中同时整合了 DNA 和自然语言。可以把它想象成 DNA 版的 ChatGPT。 该团队从现有语言模型入手，扩展其词表，以每六个字母为一组读取 DNA。随后，他们继续在 3000 亿个数据块（即 token）上进行训练，这些数据结合了 DNA 序列、英文文本以及将 DNA 与生物学描述关联起来的示例。DNA 序列来自哺乳动物（包括

匹配字段正文

ata是对的，那么机制性解释可能比许多人以为的更有效。而这反过来又至关重要，因为机制性可解释性是我们监测AI模型“思考”内容的少数可靠方法之一，尤其是在其他方法正变得越来越不可靠的情况下，例如监测模型的“思维链”，即模型在处理任务时明确写在数字草稿纸上的推理步骤。（更强大的模型可以选择不写下全部推理步骤，甚至对自己的推理撒谎。） 但一些AI研究人员并不信服。Google DeepMind的Neel Nanda在X上表示，Cammarata的工作并未改变他的核心观点。他和其他人认为，Cammarata只关注了神经元发出的最强信号，而忽视了其许多较弱信号，模型可能仍以混乱的方式在这些弱信号中存储事实。其他人则批评Cammarata将研究结果发表在博客上，而不是正式的研究论文中（他表示论文即将发布），Cammarata本人也承认其论点部分内容属于推测。 AI日历 10月20日至22日：英伟达GTC柏林大会，德国柏林。 11月9日至12日：Web Summit，葡萄牙里斯本。 11月16日至17日：《财富》500强创新论坛，底特律。在此申请参加。 11月18日至19日：Slush，芬兰赫尔辛基

匹配字段正文

“惊艳效果”，并且该机器人“无需重新训练就能适应大量不同物体”。他还质疑该系统能否在装配线上运行一年而不出现故障。Hauser 表示，该系统能否推广到拾取放置之外的任务仍未有定论。 麻省理工学院教授、其 Improbable AI Lab 负责人 Pulkit Agrawal 去年与 Tuomas Haarnoja 共同创立了 Eka。Haarnoja 从 Google DeepMind 加入该公司，此前他的团队曾训练小型人形机器人踢足球。 Andreessen Horowitz 和 Fidelity Investments 旗下公司 F-Prime 领投了这轮 1.5 亿美元 A 轮融资。曾于 2025 年 5 月共同领投 Eka 种子轮的 Obvious Ventures 和 E14 Fund 也参与了本轮融资。PitchBook 数据显示，种子轮融资额为 1,100 万美元。 Eka 表示，新资金将帮助其将该模型应用于更多任务，公司还计划加快客户部署。投资者目前已向该公司投入约 1.61 亿美元。 图片：Eka Robotics 来自 SiliconANGLE 联合创始人 Joh

匹配字段正文

研究者之一，也是计算感觉运动学习的先驱——本质上，就是机器如何通过经验发展出物理直觉。他的工作涵盖强化学习、力感知控制、灵巧操作，并通过他在 MIT CSAIL 的 Improbable AI Lab 将策略从仿真迁移到现实世界。 Tuomas Haarnoja 在伯克利共同创造了 Soft Actor-Critic，这是现代强化学习的基础算法之一，后来在 Google DeepMind 工作，在仿真中训练复杂的人形机器人行为并将其部署到真实机器上。 在过去十年的大部分时间里，他们从互补的方向攻克同一个根本问题： 机器如何通过经验学习复杂的物理行为——并让这种智能在与现实接触后依然存续？ 性能改变经济账 归根结底，如果机器人不能带来生产力，这一切都无关紧要。工业自动化的记分牌残酷而简单：每小时产出单位数、错误率、正常运行时间和单位成本。 Eka 报告称，在实验室感应和料箱拣选任务中，其每小时拣选次数最高可达 1,500 次，比人类快两倍半。更重要的是，底层系统已展示出对易碎物体、光滑工业零件和接触密集型插入任务的操控能力。能否在完整生产班次中持续保持这种性能，是下一个考验。 如果这些能

匹配字段正文

Co-founder Tuomas Haarnoja co-created Soft Actor-Critic at Berkeley, which the post calls one of the foundational algorithms in modern reinforcement learning, and later worked at Google DeepMind training complex humanoid behaviors in simulation and deploying them on real machines. The investors wrote that the founders are unusually well suited to closing the sim-to-real gap and have been demonstrating that it is shrinking. Eka says its broader team comes from MIT, Berkeley, Harvard, CMU, BU, UP

匹配字段正文

te, rather than creating new federal restrictions. That comes despite growing fears about AI’s effect on every facet of human life, including warnings from whistleblowers at Anthropic, Google DeepMind, and OpenAI that AI could lead to human extinction. “As we are looking at what comes after this federal administration, there has to be a very different kind of framework in how we think about AI, talk about AI, the accountability we’re willing to bring forward when it comes to that,” Mamdani said.

匹配字段正文

n further reduce the need for data collection through physical manipulation or synthetic data generation through simulation. However, no commercialized products are available yet. Google DeepMind has developed AutoRT, a system in which AI plans robot tasks, coordinates their execution and collects training data in real-world environments. Agility Robotics has demonstrated AutoRT in warehouse operations involving the movement of tote boxes, while Figure AI has unveiled technology that converts vi

匹配字段正文

法真正“看见”。 大多数多模态模型只查看一次图像，将其转换为token，然后用文本进行推理——就像凭记忆描述一张照片。Glimpse则会不断回到源头。在推理过程中，它可以裁剪到某个区域、从视频中提取特定帧，或运行代码来测量或比较它所看到的内容，Elorian将这一机制称为“视觉草稿空间”。可以想象成有人在手机上捏合放大照片，以复核自己以为看到的东西。 对于前Google DeepMind研究员、Elorian CEO Andrew Dai来说，AI仍然无法真正“看见”的最明显迹象之一出现在游戏之夜。 去年，他拍下自己和朋友们刚玩完的一款桌游，并询问一个前沿模型谁在获胜。它答不上来。桌游“每一种都有自己的视觉语言，都有自己的图像符号和象征，”他告诉TechCrunch。“对成年人来说，仅凭极少的文字就很容易理解发生了什么，但这些模型无法凭直觉理解这些符号的含义。” “人类可以看着没有任何文字的宜家说明书，组装宜家家具，对吧？为什么AI模型不行？”他说。 这种方法并非完全新颖——OpenAI在2025年为其o系列模型在推理过程中加入了裁剪和缩放功能——但Elorian的卖点在于，它以低成本

匹配字段正文