当前，大语言模型（LLMs）在编程领域的能力受到广泛关注，相关论断在市场中普遍存在，例如 DeepMind 的 AlphaCode 曾宣称达到人类竞技编程选手的水平
刚刚，AI制药从理论迈向实践的关键一步！DeepMind分拆公司，亮出「秘密武器」：基于AlphaFold系统研发的候选药物，已进入人体临床实验。这意味着将大幅缩短新药研发周期、降低成本，加速新药惠及患者。
DeepMind新研究揭示了当与推理无关的想法，被直接注入到模型的推理过程中时，它们却难以恢复，而且越大的模型越难恢复。
What？LLM也要看出身！确实，不同的数据集训出的模型“个性”会有大不同，尤其在加之权衡方面。这就像我们经常与自己内心相互竞争的目标和价值观作斗争。
前有AlphaFold破解蛋白质之谜，今有AlphaGenome揭示DNA天书。谷歌DeepMind最新103页力作，用AI成功预测基因突变，一次即可读取100万个DNA碱基，精度无「模」能敌。
AI大牛何恺明最新动向来了！
AI大神何恺明正式入职谷歌DeepMind，担任杰出科学家，同时保留MIT终身副教授身份。从Meta到MIT，再到如今的谷歌，这位「学界+业界」双修的大牛，将为DeepMind的AGI注入一针强心剂。
今天，Gemini 家族迎来了一个新成员：Gemini Robotics On-Device。这是谷歌 DeepMind 首个可以直接部署在机器人上的视觉-语言-动作（VLA）模型，可以帮助机器人更快、更高效地适应新任务和环境，同时无需持续的互联网连接。
大语言模型（LLMs）在决策场景中常因贪婪性、频率偏差和知行差距表现欠佳。研究者提出强化学习微调（RLFT），通过自我生成的推理链（CoT）优化模型，提升决策能力。实验表明，RLFT可增加模型探索性，缩小知行差距，但探索策略仍有改进空间。
自年初起，DeepSeek-R1、OpenAI o3、Qwen3等推理模型相继问世，展现出令人惊叹的智能水平，但它们为什么突然变得这么聪明？东京大学联合Google DeepMind的研究者们终于找到了答案。
