跳到正文
目前篩選:論文
11月20日週五
  1. Unite.AI72

    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。

11月17日週二
11月16日週一
11月13日週五
11月12日週四
  1. TNW78

    Google DeepMind 的 AI 智能體用 AlphaProof Code 形式化驗證 Signal 加密程式碼

    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。

11月11日週三
  1. Ars Technica · AI66

    Google DeepMind 以形式化驗證檢查 Signal 協議的關鍵密碼學保證

    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。

  2. 新浪科技67

    Google DeepMind 與 Google Quantum AI 以 Lean 驗證 AI 智能體設計的量子程序,核聚變模擬成本降至約 9%

    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。

  3. IT Square · AI83

    Google DeepMind 用 AlphaProof Code 約四星期完成 libsignal AArch64 機器碼驗證

    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。

  4. DoNews65

    Google DeepMind 利用 AI 完成 Signal 加密協議形式化驗證

    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。

11月10日週二
  1. 新浪科技61

    Google DeepMind 利用 AI 完成 Signal 協議形式化驗證

    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。

  2. IT之家65

    Google DeepMind 利用 AI 完成 Signal 協議形式化驗證,數學證明其端到端加密可靠性

    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。

  3. Unite.AI76

    Google DeepMind 以 AlphaProof Code 驗證 Signal 核心程式碼

    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。

  4. Google DeepMind85

    Google DeepMind 介紹 AlphaProof Code,深入形式化驗證 Signal 協議程式碼

    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。

  5. Google DeepMind64

    Google DeepMind 開放 SatWeave 和 PARDIG 天氣數據集

    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。

  6. DEV Community65

    DeepMind AI 智能體發現 1024 位 RSA 攻擊成本下降,建議淘汰舊金鑰

    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。

11月7日週六
11月2日週一
11月1日週日
10月31日週六
  1. 新浪科技53

    Google 團隊發佈 T2J-Bench,評估編碼智能體的 PyTorch 至 JAX 整倉遷移

    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。

  2. The Decoder65

    Google DeepMind 利用衞星數據和 AI 建立全球森林地圖 ForTy

    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。

10月27日週二
  1. The Decoder36

    前 DeepMind 研究員認為 AlphaGo 的策略可減少 AI 幻覺

    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。

10月22日週四
  1. Google DeepMind68

    超越樹冠覆蓋:Google DeepMind 等機構繪製全球森林類型地圖 ForTy 2020

    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。

10月19日週一
10月12日週一
  1. The Decoder76

    Google DeepMind 的 AlphaProof Nexus 解決數十個未解數學問題並通過同行評審

    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。

10月3日週六
9月30日週三
9月7日週一
5月16日週六
  1. Google DeepMind63

    Google DeepMind 的 Co-Scientist 發掘可再利用的抗肝纖維化候選藥物

    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。

3月26日週四
  1. Google DeepMind64

    Google DeepMind 公開 AI 有害操縱評估工具包及研究結果

    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。

2025年11月25日週二
  1. Google DeepMind72

    AlphaFold 助研究人員解析心臟病關鍵蛋白 apoB100 的結構

    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。

2025年11月5日週三
2017年6月13日週二
  1. OpenAI News64

    OpenAI 與 DeepMind 安全團隊合作開發從人類偏好推斷意願的演算法

    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。