剑桥大学教授用 Google Co-Scientist 寻找跨物种传染病的分子开关
剑桥大学 Clare Bryant 教授利用 Google Co-Scientist 研究流感等病原体跨物种传播时引发败血症等重症的分子开关。Co-Scientist 从她已发表的基金申请中生成并排序假说，优先锁定了一个她此前未关注的蛋白，并随数据补充将假说细化到具体氨基酸。她表示，原本需两到三年的氨基酸定位实验工作，如今有望在六个月内完成。
#数据/训练
#数据/训练
今日 0 条Google DeepMindAI 评分3434 Google DeepMindAI 评分2222 Google DeepMind Co-Scientist 助力 Calico 衰老研究
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 整合衰老生物学中零散的研究发现并生成可验证假设。
Google DeepMindAI 评分2828 Google DeepMind Co-Scientist 加速肝病机制发现
爱丁堡大学团队用 Google DeepMind 的 Co-Scientist 研究 MASH 肝病，系统整合肝生物学与药理学证据，锁定 NLRP3 炎症小体作为连接炎症与代谢的分子桥梁，解释 resmetirom 为何仅对少数合格患者有效。该假设经实验验证，或为靶向联合疗法铺路。
Google DeepMindAI 评分2222 Google DeepMind Co-Scientist 如何连接两个实验室推进 ALS 研究
MIT 机械工程师 Ritu Raman 与波士顿儿童医院化学生物学家 Ryan Flynn 借助 Google DeepMind 的 Co-Scientist，将各自不同的研究工具结合用于 ALS 研究。
Google DeepMindAI 评分3838 Google DeepMind Co-Scientist 助力发现抗肝纤维化药物
斯坦福大学医学院 Gary Peltz 团队用 Google DeepMind 的 Co-Scientist 筛选抗肝纤维化药物，其提出的 3 个候选中有 2 个在活体人类肝细胞测试中阻断纤维化并促进肝细胞再生，而 Peltz 自行挑选的 2 个药物均无效。表现最突出的是抗癌药 vorinostat，阻断了 91% 可驱动肝硬化的损伤反应。相关研究已发表于 Advanced Science。
OpenAI NewsAI 评分2222 Parameter Golf 对 AI 辅助研究带来了哪些启示
OpenAI 的 Parameter Golf 活动吸引 1,000+ 名参与者、收到 2,000+ 份提交，探索严格约束下的 AI 辅助机器学习研究、编码智能体、量化与新型模型设计。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将大规模训练拆分为解耦的计算岛并异步传输数据，从而隔离局部硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并自动重新接入，用 Gemma 4 模型验证其基准 ML 性能与传统训练方法持平。
推荐理由：原文给出分布式训练在带宽、故障隔离和跨代硬件上的实测结果，可据此判断大规模预训练基础设施的演进方向。
Berkeley AI ResearchAI 评分3131 GRASP：面向世界模型的更长视野梯度规划方法
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接加入随机性以探索，并重塑梯度让动作获得清晰信号、避免穿过高维视觉模型的脆弱“状态-输入”梯度。该方法针对长视野规划中计算图病态、非贪心结构导致局部极小值以及高维潜空间失效模式等问题，使长视野规划更稳健。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层次结构，以约 10 倍更少的消融达到 SPEX 的性能。
Google DeepMindAI 评分2222 AlphaGo 十周年：从围棋到生物学，DeepMind 回顾其对 AI 与科学的深远影响
AlphaGo 成为首个击败围棋世界冠军的 AI 系统已满十年，其"第 37 手"展现了 AI 超越模仿人类、发现全新策略的能力。这一突破直接催生了 AlphaGo Zero、AlphaZero，并推动 AlphaFold 2 破解蛋白质折叠难题，其数据库已被全球超 300 万研究人员使用。
Google DeepMindAI 评分2222 Google DeepMind 与印度达成国家 AI 合作，推动科学与教育
Google DeepMind 宣布与印度政府机构及本地机构建立 National Partnerships for AI 合作，向印度研究人员开放 AlphaGenome、AI Co-scientist 和 Earth AI 等前沿科学模型。
OpenAI NewsAI 评分4040 OpenAI 内部数据智能体如何用 GPT-5 与 Codex 在数分钟内完成海量数据分析
OpenAI 构建了一个内部 AI 数据智能体，结合 GPT-5、Codex 与记忆能力对海量数据集进行推理，可在数分钟内给出可靠洞察。该智能体面向内部数据分析场景，强调推理与结果可靠性。
Berkeley AI ResearchAI 评分3636 伯克利 AI 研究：用信息量直接评估与优化成像系统
伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化测量对物体的区分能力，无需任务专用解码器。该方法在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测了解码器性能，优化后的设计在更少内存和算力下达到与端到端方法相当的水平，相关成果发表于 NeurIPS 2025。
Google DeepMindAI 评分3636 Google DeepMind 与英国政府深化合作：提供前沿 AI 模型并建首个自动化实验室
Google DeepMind 宣布深化与英国政府的合作，向英国科学家优先开放 AlphaEvolve、AlphaGenome、AI co-scientist 和 WeatherNext 等“AI for Science”模型，并计划 2026 年在英国建立其首个自动化实验室，专注材料科学研究。
Google DeepMindAI 评分3838 Google DeepMind 与 Kaggle 推出 FACTS Benchmark Suite，系统评估大语言模型事实准确性
Google DeepMind 联合 Kaggle 发布 FACTS Benchmark Suite，在原有 FACTS Grounding 基础上新增 Parametric、Search、Multimodal 三项基准，并将 Grounding 升级至 v2，共 3513 个公开样例。
Google DeepMindAI 评分3636 Google DeepMind 用 AlphaFold 改造光合作用关键酶，培育耐热作物
密歇根州立大学团队借助 AlphaFold 预测植物与嗜热藻类的甘油酸激酶（GLYK）三维结构，发现植物版 GLYK 的三个柔性环在高温下会变形失稳。研究人员用藻类 GLYK 中更刚性的环替换这些不稳定片段，构建的杂合酶中有一款在高达 65 °C 时仍保持稳定，为培育耐热作物提供了新路径。
OpenAI News精选AI 评分6060 OpenAI 宣布收购 Neptune
OpenAI 宣布收购 Neptune，以加深对模型行为的可见性，并强化研究人员用于跟踪实验和监控训练的工具。
推荐理由：OpenAI 收购 Neptune，读者可了解其意在加强模型行为可见性与训练监控工具链。
Google DeepMindAI 评分3030 AlphaFold 五年影响力回顾：从蛋白质结构预测到诺奖与全球科研变革
AlphaFold 2 自 2020 年在 CASP 14 上解决蛋白质结构预测难题以来，其免费开放的 AlphaFold Protein Database 已覆盖超 2 亿个蛋白质结构，被 190 多个国家的 300 多万名研究者使用。该成果于 2024 年获诺贝尔化学奖，相关论文超 35,000 篇被引用，并催生了 AI 药物发现公司 Isomorphic Labs。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 WeatherNext 2 天气预报模型
Google DeepMind 与 Google Research 发布 WeatherNext 2，称其生成预报速度提升 8 倍，分辨率可达 1 小时，并在 99.9% 的变量和 0-15 天预报时效上超过上一代 WeatherNext。
推荐理由：原文给出 WeatherNext 2 的速度、分辨率与可用入口，读者可据此判断 AI 天气预报的落地进度。
Google DeepMind精选AI 评分5252 Google DeepMind 在 Nature 发表研究：让 AI 视觉表征更接近人类
Google DeepMind 在 Nature 发表新论文，分析 AI 视觉模型与人类在组织视觉世界上的差异，并提出一种三步对齐方法。该方法先用 THINGS 数据集训练一个冻结主模型的小型适配器作为教师模型，再生成包含百万张图像、数百万条类人判断的 AligNet 数据集，最后微调其他学生模型。
推荐理由：DeepMind 在 Nature 发表视觉对齐研究，读者可了解人类与模型表征差异及三步对齐方法。
Google DeepMindAI 评分3636 Google DeepMind 用 AI 绘制物种分布、预测森林砍伐并升级生物声学模型 Perch
Google 发布森林砍伐风险预测基准数据集，基于纯卫星输入和 vision transformers 架构，可在 30 米尺度上预测 2000-2024 年森林流失风险。
Berkeley AI ResearchAI 评分3939 无需 TD 学习的强化学习：分治法如何扩展到长时程任务
伯克利 AI 研究提出一种基于"分治"范式的 off-policy 强化学习算法，不依赖时序差分（TD）学习，可将 Bellman 递归次数从线性降为对数级，从而扩展到任意长时程任务。
Berkeley AI ResearchAI 评分3232 word2vec 究竟学到了什么？伯克利提出可定量预测的学习理论
伯克利 AI 研究团队证明，在若干温和近似条件下，word2vec 的学习问题可化简为无权重最小二乘矩阵分解，其梯度流动力学有闭式解，最终学到的表示等价于对特定矩阵 M* 做 PCA。
OpenAI NewsAI 评分3737 OpenAI 与 Retro Bio 用 GPT-4b micro 加速生命科学研究
OpenAI 与 Retro Bio 借助专用 AI 模型 GPT-4b micro，设计出用于干细胞疗法和长寿研究的更高效蛋白质。该模型专为生命科学研究打造，目标是加速蛋白质工程等研发环节。
OpenAI News精选AI 评分4545 OpenAI 研究错误回答训练如何导致模型失准泛化
OpenAI 研究在错误回答上训练如何导致语言模型出现更广泛的失准，并识别出驱动这一行为的内部特征。该特征可通过极少量微调被逆转。
推荐理由：OpenAI 给出错误回答训练引发模型泛化失准的内部特征，并展示用极少微调逆转该行为。
OpenAI NewsAI 评分3232 OpenAI API 中的模型蒸馏：用前沿大模型输出微调低成本模型
OpenAI 在 API 中推出模型蒸馏功能，可用大型前沿模型的输出微调成本更低的模型，全部在 OpenAI 平台上完成。该功能面向希望以更低成本获得接近前沿模型效果的开发者。
OpenAI NewsAI 评分3535 ChatGPT Enterprise 教程：如何高效分析数据并发现洞察
OpenAI 发布视频教程，展示员工如何利用 ChatGPT Enterprise 高效分析数据并发现洞察。
OpenAI NewsAI 评分3838 ChatGPT 数据分析功能升级：支持表格图表交互与 Google Drive、Microsoft OneDrive 直接导入
ChatGPT 的数据分析功能获得升级，用户现在可以与表格和图表进行交互，并直接从 Google Drive 和 Microsoft OneDrive 添加文件。
OpenAI NewsAI 评分4040 OpenAI 与 Reddit 达成合作
OpenAI 与 Reddit 达成合作，将 Reddit 的独特内容引入 ChatGPT 及 OpenAI 旗下产品。
OpenAI NewsAI 评分3535 OpenAI 改进微调 API 并扩展自定义模型计划
OpenAI 为微调 API 增加新功能，让开发者对微调拥有更多控制权，同时公布构建自定义模型的新方式。此次更新属于其自定义模型计划的扩展，具体功能细节与可用范围尚未披露。
OpenAI NewsAI 评分3030 OpenAI 数据合作计划：共建开源与私有 AI 训练数据集
OpenAI 启动 Data Partnerships 数据合作计划，与各方合作创建用于 AI 训练的开源和私有数据集。
OpenAI NewsAI 评分2222 OpenAI 携手 Scale 为企业微调模型提供支持
OpenAI 与 Scale 达成合作，企业客户可借助 Scale 的 AI 专业能力微调 OpenAI 最先进的模型。该支持面向企业微调场景，帮助客户定制模型。
OpenAI News精选AI 评分6262 OpenAI 用过程监督提升数学推理能力
OpenAI 训练了一个模型，通过奖励每一步正确推理（过程监督）而非只奖励最终正确答案（结果监督），在数学问题求解上取得新的 SOTA。除性能提升外，过程监督还带来对齐收益：直接训练模型产出被人类认可的思维链。
推荐理由：OpenAI 用过程监督替代结果监督训练数学推理模型，读者可了解两种奖励方式的差异与对齐收益。
OpenAI News精选AI 评分6262 OpenAI 研究：用语言模型解释语言模型中的神经元
OpenAI 使用 GPT-4 自动为大型语言模型中的神经元行为撰写解释，并对这些解释打分。团队同时发布了覆盖 GPT-2 全部神经元的解释与评分数据集，并说明这些解释并不完美。
推荐理由：OpenAI 用 GPT-4 自动为 GPT-2 神经元生成并评分解释，并公开全部神经元的解释数据集。
OpenAI News精选AI 评分5050 OpenAI 研究语言模型中间填充的高效训练方法
OpenAI 发布研究《Efficient training of language models to fill in the middle》，探讨语言模型中间填充任务的高效训练方法。原文正文未能抓取，仅标题可用。
OpenAI News精选AI 评分7474 OpenAI 用 Video PreTraining 训练神经网络玩 Minecraft
OpenAI 训练了一个神经网络，通过 Video PreTraining（VPT）在大量无标注的人类 Minecraft 游玩视频数据集上学习，仅使用少量标注的承包商数据。经微调后，该模型能学会制作钻石工具，这一任务通常需要熟练人类花费超过 20 分钟（24,000 次操作）。模型使用键盘按键和鼠标移动的原生人类交互界面，因此具有较强通用性，是迈向通用计算机操作智能体的一步。
推荐理由：OpenAI 用大量无标注人类游戏视频预训练网络，展示从少量标注数据到通用计算机操作智能体的路径。
OpenAI NewsAI 评分3030 OpenAI 详解大型神经网络训练技术
大型神经网络是近期多项 AI 进展的核心，但其训练是一项困难的工程与研究挑战，需要编排一整个 GPU 集群来完成单次同步计算。OpenAI 分享了训练这类大型神经网络的相关技术。
OpenAI News精选AI 评分6262 OpenAI 构建神经定理证明器，用 Lean 求解部分数学奥赛题
OpenAI 构建了一个面向 Lean 的神经定理证明器，能够求解多道高难度高中数学奥赛题，包括来自 AMC12 和 AIME 的题目，以及两道改编自 IMO 的问题。
推荐理由：OpenAI 用神经定理证明器在 Lean 中解出 AMC12、AIME 及两道改编自 IMO 的题目，可了解形式化数学推理的早期进展。
OpenAI News精选AI 评分6262 OpenAI 训练系统求解小学数学应用题，准确率接近 9-12 岁儿童
OpenAI 训练了一个求解小学数学应用题的模型，准确率约为微调 GPT-3 模型的两倍。在自建数据集的同一批题目上，该系统的得分为 55%，而一小批 9-12 岁儿童的得分为 60%。
推荐理由：OpenAI 自述其数学应用题系统在自建数据集上接近 9-12 岁儿童水平，可对照理解当时模型推理能力的位置。
OpenAI News精选AI 评分5050 OpenAI 用人类反馈总结书籍
OpenAI 发布文章《Summarizing books with human feedback》，介绍如何将人类监督扩展到难以评估的任务上。