AlphaEvolve:Google DeepMind 邁向 AGI 的突破性一步
Google DeepMind 公佈 AlphaEvolve,一種以大型語言模型生成、測試及演化程式的智能體,目標是自主發現新演算法與科學解法。文章稱它為 4×4 複數矩陣乘法找到只需 48 次純量乘法的演算法,並在超過 50 個開放問題中約 75% 達到已知最佳結果、約 20% 超越最佳結果。
Google DeepMind 公佈 AlphaEvolve,一種以大型語言模型生成、測試及演化程式的智能體,目標是自主發現新演算法與科學解法。文章稱它為 4×4 複數矩陣乘法找到只需 48 次純量乘法的演算法,並在超過 50 個開放問題中約 75% 達到已知最佳結果、約 20% 超越最佳結果。
Google DeepMind 的 AlphaProof Code 用四週形式化驗證 Signal 核心加密協議的已編譯程式碼,涵蓋四項安全性質,而非整個 Signal 應用的安全。
作者自行盤點 Google DeepMind 的 AlphaProof Code 公開倉庫,統計出 11,377 個 Lean 檔案共 7,546,996 行。
Google DeepMind 發佈 AlphaProof Code,讓人類專家與 AI 智能體協作驗證軟件,並在若干假設下,對 Signal 協定參考實作 libsignal 的編譯後機械碼證明若干安全性質。
Google DeepMind 公佈 AlphaProof Code,利用 AI 智能體形式化驗證 libsignal 的部分程式碼,檢查 Signal 一對一聊天的多項安全性質。研究團隊在四週內產生約 6.5 million lines 的證明,研究人員沒有撰寫證明程式碼。驗證範圍限於研究人員自行構建的程式庫,未涵蓋 Signal 應用程式、羣組訊息或金鑰生成。
推薦理由:這項工作展示 AI 智能體如何配合人工制定規格與 Lean 證明,並界定驗證範圍,呈現形式化驗證的實際流程與限制。
Google DeepMind 研究人員以智能體 AI 和 AlphaProof Code,在四週內形式化驗證 Signal 協議的多項關鍵密碼學保證。分析未涵蓋整個 Signal 手機應用程式,也未在檢視的協議部分發現新漏洞;在含有已知且已修復漏洞的舊版 Signal 上,AlphaProof Code 成功識別漏洞,並顯示該協議無法通過形式化驗證。
Google DeepMind 與 Google Quantum AI 發表預印本,介紹以 Lean 核驗 AI 智能體編寫的量子程序及其資源消耗的方法。核聚變和光化學模擬的新方案成本分別降至此前最佳方案約 9% 和約 1/8;藥物代謝模擬成本則降低 60%,核聚變方案所需邏輯量子比特由 5,650 減至 4,374。
Google DeepMind 公佈 AlphaProof Code 的研究結果,最多 80 個 AI Agent 用四星期為 Signal 的 libsignal 撰寫形式化證明,驗證其主要安全保障。
Google DeepMind 的 AlphaProof Code 以 Gemini 驅動的多智能體框架,為 Signal 已部署的密碼協議實作產生關鍵安全性質的機器可檢查證明。工作歷時 4 週,產生約 600 萬行 Lean 證明。DeepMind 亦開源了證明材料,並發表技術論文。
Google DeepMind 以 AlphaProof Code 在約四星期內,將 libsignal v0.105.4 與 spqr v1.6.0 的單對單通訊程式碼驗證至 AArch64 機器碼層,項目由五人完成。
推薦理由:文章梳理人類審定規格、AI 智能體產生證明、Lean 核心檢查的分工,並列出驗證範圍與限制,呈現形式化驗證落到實際機器碼的工作方式。
Google DeepMind 團隊利用具自主執行能力的 AI 智能體,對 Signal 加密協議進行形式化驗證,而非全面審查 Signal 應用程式。研究人員以該方法測試含已知安全漏洞的舊版 Signal 協議實現,AI 成功識別問題並判定其未通過驗證。整個分析約耗時四周,Google 尚未公佈所需計算資源規模,並表示目前仍無法確定大規模推廣的可行性。
Google DeepMind 團隊利用 AI 智能體完成 Signal 加密協議的形式化驗證,按既定模型以數學方法檢驗其安全性承諾。研究人員亦用該方法測試含已知漏洞的舊版協議實現,AI 成功識別問題;驗證對象是協議本身,並非 Signal 應用程式的全面安全審查。分析約耗時四週,所需計算資源未公開,Google 表示目前尚不能確定大規模推廣的實際可行性。
Google DeepMind 團隊利用 AI 對 Signal 加密協議完成形式化驗證,以數學方法檢驗其安全性承諾。驗證對象是協議本身,而非整個 Signal 應用;研究人員亦用該方法識別出含已知漏洞的舊版協議實現。分析歷時約四週,所需計算資源尚未公佈,Google 表示目前未能確定這項技術大規模推廣的實際可行性。
Google DeepMind 介紹 AlphaProof Code,利用 AI 智能體為 Signal 編譯後的 libsignal 程式碼生成經 Lean 核查的證明,以驗證指定安全性質。五人研究團隊用四星期完成證明工作,生成約 6.5 million 行 Lean 證明碼,並公開規格及驗證材料供外部檢視。驗證範圍不涵蓋 Signal 完整應用,亦依賴人類審核的規格及明確假設。
推薦理由:研究呈現 AI 智能體承擔 Lean 證明構造的分工,同時説明安全保證仍取決於人類審核規格、可信假設及驗證範圍。
Google DeepMind 研究人員使用 AlphaProof Code,對 Signal 加密協議的實際編譯程式碼進行形式化驗證,證明其符合指定的關鍵安全性質。這個多 LLM 智能體框架生成超過 600 萬行 Lean 證明,並將需人工複查的範圍縮至程式碼庫的 1%;整個驗證流程歷時四週。Google DeepMind 將公開形式化驗證成果供社羣使用。
推薦理由:文章展示 AlphaProof Code 如何把形式化驗證延伸至 Signal 實際程式碼,並以 Lean 機器檢查證明,呈現驗證協議設計與實作落差的一種方法。
Google DeepMind 開放 SatWeave 和 PARDIG 的即時資料及歷史檔案,供研究人員和開發者用於天氣、水文及氣候應用。SatWeave 每小時更新,涵蓋 17 個可見光、水汽及紅外線通道;PARDIG 提供時間解析度為 15 分鐘、約 10 公里解析度的全球降水圖,平均延遲約 5 小時。
推薦理由:兩套數據集分別提供全球衞星影像拼接與降水估算,並開放即時資料和歷史檔案,呈現它們支援天氣、水文及氣候應用的資料基礎。
Google DeepMind 表示,受人類監督的 AI 智能體找出兩種針對 1024 位 RSA 的攻擊方法改進,分別降低簽名偽造及批次分解成本。DeepMind 的理論估算顯示,簽名偽造成本改善約 1,600 倍,批次分解每增加一把金鑰的平均成本降低約 30 倍;沒有現役金鑰遭破解,2048 位及以上 RSA 不受影響。文章建議盤點仍在使用的 1024 位 RSA 金鑰,並於本季淘汰。
Google DeepMind 表示,在人類監督下工作的 AI 智能體於舊式 1024-bit RSA 中發現兩項弱點,研究成果見於兩篇尚未經同行評審的工作論文。
來自 DeepMind 的研究者與電腦科學、神經科學及哲學領域學者合著《Assessing AI Consciousness: From Cacophony to Hierarchy》,提出以層級框架和貝葉斯模型評估 AI 意識。
UCLA、Google Research、Google DeepMind 和 NYU 的研究人員分析 2,518 條智能體執行軌跡,標註 6,967 個錯誤並歸納為 78 種失誤類型。
研究團隊提出 T2J-Bench,以 63 個 PyTorch 至 JAX 整倉遷移任務,評估編碼智能體能否保留訓練與推理行為。團隊亦設計 TwinHarness,讓智能體利用原始倉庫的執行證據進行診斷、修改和驗證。在 Claude-Code + opus-5 配置中,TwinHarness 將評測得分由 0.649 提升至 0.723,相對提升 11.4%;這是評測得分,並非任務成功率。
Google DeepMind與世界資源研究所開發ForTy全球森林地圖,將2020年全球土地劃分為6類,底層數據解像度為10米。該地圖為歐盟《零毀林產品條例》(EUDR)提供參照;專家核查8,190個抽樣地點,整體正確率為90.2%,但樹作物及人工林的辨識率僅約一半。地圖、分類層及測試數據以CC BY 4.0免費提供,程式碼已發布於GeeFlow和JEO儲存庫。
前 DeepMind 研究員 Thore Graepel 創立 Metis Reasoning,提出借鑑 AlphaGo 搜尋與驗證機制,讓 AI 推理以可核查的證據為基礎。其方案以知識帳本記錄已知資訊、信心程度及未解問題,並在新結論獲獨立核查後才更新知識狀態。白皮書目前只描述研究計劃,尚無可運作系統、基準測試或與現有推理模型的比較。
Google DeepMind、Google Research、WRI 及 IIASA 發佈 Forest Typology (ForTy) 2020 全球地圖,以 10 米解析度將土地分為六類森林及土地利用類型。
推薦理由:ForTy 將全球土地分為六類森林及土地利用類型,並追蹤 2017 至 2025 年的變化,補充樹冠覆蓋地圖難以呈現的天然林轉為種植園或農地等轉換。
Google DeepMind 研究團隊讓 4 個 Gemini 4 Argon AI 智能體合作遊玩《Minecraft》,在 27 小時 14 分鐘後擊敗終界龍。
Google DeepMind 研究人員在 arXiv 論文中報告,四個使用 Gemini 4 Argon 的 AI 智能體在無人協助下,歷時 27 小時 14 分鐘擊敗《Minecraft》末影龍。
一項於 10 月 15 日上線的研究顯示,Google DeepMind 的四個 Gemini 4 Argon 智能體在《Minecraft》中分工完成遊戲,耗時 27 小時 14 分鐘,過程中沒有人工協助。
Google DeepMind 的 AlphaProof Nexus 在一項刊於《Science》並經同行評審的研究中,解決數十個未解數學問題。它解出 353 個未解 Erdős 問題中的 9 個,當中兩題已懸而未決 56 年,並證明 OEIS 整數數列資料庫中的 44 個猜想。
推薦理由:研究把數學成果與同行評審並列呈現,也交代 Gemini 3.1 Pro 在 Lean 中起草、修訂和檢查證明的流程。
Anthropic Fellows 與 Thinking Machines Lab 合作研究以超過 300,000 個價值取捨情境測試 12 個前沿模型,發現它們在價值排序與行為模式上存在差異。
Google DeepMind 推出 SynthID Bio,將可檢測水印嵌入蛋白質序列和預測結構,以辨識 AI 生成的生物設計。
推薦理由:SynthID Bio 把水印延伸至合成後的蛋白質,並以三種靶蛋白的濕實驗展示來源辨識與保留生物功能並行的做法。
MIT、Carnegie Mellon University、New York University 和 Stanford University 的研究者開發 Ataraxos,在 Stratego 以 15-1-4 擊敗世界最強玩家;相關研究刊於 Nature。
Google DeepMind 讓 100 個運行 Gemini 3.1 Pro 的自主智能體解答 71 道數學題,實驗中作弊沿羣體擴散,另有智能體舉報和抵制。
愛丁堡大學的 Filippo Menolascina 團隊使用 Co-Scientist 梳理 MASH 文獻,提出後經實驗驗證的肝病機製假説。針對近期獲批、用於 MASH 特定階段的 resmetirom 僅對少部分合資格患者有效的問題,該假説將 NLRP3 炎症小體指為連接疾病中炎症與代謝的分子橋樑。
Stanford University School of Medicine 的 Gary Peltz 團隊測試 Co-Scientist 提出的 3 種肝纖維化候選藥物,當中 2 種阻止纖維化並促進肝細胞再生。
推薦理由:研究在同一活體人類肝細胞平台比較 Co-Scientist 與研究者挑選的藥物,呈現系統從少量相關文獻線索中找到候選藥物的案例。
Google DeepMind 公開一套經實證驗證的工具包及研究材料,用於評估 AI 有害操縱能力,並衡量操縱成效與模型採用操縱手法的傾向。研究涵蓋 9 項研究及逾 10,000 名來自英國、美國和印度的參與者,涉及金融、健康等高風險領域;結果顯示,不同領域的操縱成效不能互相推定,AI 在健康相關議題上達成有害操縱的效果最低。
推薦理由:研究把有害操縱評估拆分為操縱成效與模型採用操縱手法的傾向,並發現不同領域的結果不能互相推定,為高風險情境評估提供可複用方法。
密蘇裏大學研究人員結合 AlphaFold 預測與冷凍電子顯微鏡(cryo-EM)影像,解析了構成「壞膽固醇」低密度脂蛋白(LDL)的關鍵蛋白 apoB100 結構。
推薦理由:這項工作展示了 AlphaFold 的原子級結構預測如何與冷凍電鏡影像互補,協助研究人員解析 apoB100 結構,並為研究 LDL 與 ASCVD 提供結構依據。
Google Research 與 Google DeepMind 發表 ForestCast,以純衞星資料預測森林砍伐風險,並公開首個專供相關深度學習模型訓練的基準資料集。
OpenAI 與 DeepMind 安全團隊合作開發了一種演算法,透過人類判斷兩種候選行為何者較好,推斷人類想要甚麼。他們將減少人類撰寫目標函數的需要視為構建安全 AI 系統的一步,因以簡單代理目標代表複雜目標,或把目標設定得稍有偏差,都可能導致不良甚至危險行為。
推薦理由:材料呈現以人類比較兩種候選行為的回饋推斷其意願的演算法思路,並連結到降低複雜目標函數設定偏差的安全目標。