跳到正文
11月11日週三
  1. 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。

  2. 新浪科技81

    Gemini 4 Carbon 開放使用,AlphaProof Code 四周為 Signal 生成 650 萬行 Lean 證明程式碼

    Google DeepMind 宣佈 Gemini 4 Carbon 開放使用,並公佈 AlphaProof Code 以其驅動多個 AI Agent,四周內為 Signal 核心實現生成約 650 萬行 Lean 證明程式碼。

    推薦理由:文章把 Gemini 4 Carbon 的長週期推理能力,連到 AlphaProof Code 對 Signal 編譯後程式碼的形式化驗證案例,具體呈現多個 Agent 如何結合 Lean 與機器檢查。

  3. 新浪科技82

    Google 開放 Gemini 4 Carbon,主打複雜編程、科學研究與網絡安全

    Google 正式開放 Gemini 4 Carbon,供開發者、企業、科研人員和消費者使用,主打複雜軟件工程、科學研究與網絡安全。模型已透過 Gemini API 和 Google AI Studio 向付費開發者開放,統一上下文窗口為 1,048,576 Token,標準同步請求最多輸出 65,536 Token。

    推薦理由:文章並列 Gemini 4 Carbon 的開放渠道、上下文規格與漏洞測試成績,呈現其面向複雜編程和安全研究的任務定位。

  4. IT之家80

    Google 開放迄今最強推理模型 Gemini 4 Carbon,主打複雜編程、科學研究與網絡安全

    Google 開放 Gemini 4 Carbon,稱其為目前能力最強的推理模型,面向複雜軟件工程、多步驟智能體任務、科學研究及網絡安全。

    推薦理由:文章對照 Gemini 4 Carbon 與 Gemini 4 Argon 的任務定位,並列出 Carbon 的開放渠道、上下文規格與定價,呈現 Google 面向長週期複雜工作的模型部署安排。

  5. The Decoder67

    Google DeepMind 的 Gemini Robotics 2.5 在 Mercedes-Benz 生產線試點分揀金屬零件,成功率達 96%

    Google DeepMind 的 Gemini Robotics 2.5 在 Mercedes-Benz 生產線試點中控制 Apollo 2 分揀金屬零件,成功率達 96%。這款視覺-語言-動作模型在逾 200 項任務中接受測試;Google DeepMind 稱,按任務類型計,成功率較自家先前基準高 30% 至 100%,完成速度快 20% 至 30%。

  6. Google DeepMind83

    Google DeepMind 開放 Gemini 4 Carbon 使用,面向複雜知識工作與科學推理

    Google DeepMind 開放 Gemini 4 Carbon,供開發者、企業、科學家及一般用戶使用,並定位為面向複雜知識工作、軟件工程及科學推理的前沿模型。

    推薦理由:文章列出 Gemini 4 Carbon 在多項工作流程基準的排名及相對成本,並交代付費開發者和企業的使用入口,呈現其產品定位與採用條件。

11月10日週二
  1. Google DeepMind69

    Gemini Robotics 2.5 提升機械人在真實環境中的通用靈巧操作能力

    Google DeepMind 推出 Gemini Robotics 2.5,擴大機械人可學習的技能範圍並加快學習速度,同時提升靈巧度、可靠性及安全性。模型在逾 200 項不同任務中接受評估,按任務類型較先前基線的成功率高 30% 至 100%,完成速度快 20% 至 30%。與 Apptronik、Mercedes-Benz 在汽車生產線進行的概念驗證中,Apollo 2 的成功率為 96%。

    推薦理由:文章以逾 200 項任務的測試,以及 Mercedes-Benz 生產線試點的 96% 成功率,呈現模型在基準評估與實際操作中的表現。

  2. Ars Technica · AI56

    DeepMind 公佈 Gemini Robotics 2.5 及開源安全基準 ASIMOV-jailbreak

    Google DeepMind 公佈 Gemini Robotics 2.5,稱新版本在高靈巧度任務上的能力有所提升。該模型在超過 200 項活動中接受評估,包括用鉗子上菜及使用移液器。Google 展示配備 Gemini Robotics 2.5 的 Apptronik Apollo 2 人形機械人可以用五指手打蝴蝶結;DeepMind 正準備開源安全基準 ASIMOV-jailbreak。

  3. 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。

  4. 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。

  5. 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。

  6. 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。

  7. 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。

  8. 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9日週一
11月8日週日
  1. 虎嗅65

    中國 AI 制藥格局生變:字節跳動控股分拆,大廠高管創業,六成資金流向頭部公司

    中國 AI 制藥正由大廠提供算力和工具,轉向大廠直接持有藥物資產;2026年國內最大四筆融資合計約佔全賽道融資總額六成。分子設計模型、Agent和實驗數據閉環已有進展,但AI仍未改變II期約28%的成功率,迄今亦沒有主要由AI發現的藥物獲批上市。文章並比較中外商業路徑,指出國內頭部更看重BD交易與收入兑現,海外資本則更重視模型能力和團隊。

  2. The Decoder54

    「大腦如電腦」隱喻塑造現代 AI,可能誤導意識辯論

    Nature 評論作者 Seth、Block 和 Tononi 主張,智能不等於意識,將大腦視為純粹資訊處理裝置的觀點可能誤導對 AI 意識的判斷。他們認為生物大腦的物質特性與功能不可分,並主張預設 AI 並無意識,錯誤歸因意識的風險高於忽略真正有意識的系統。Butlin 等人的報告以 14 項指標評估多個現有系統,認為沒有任何受評系統是意識的有力候選者,但未排除未來系統符合更多指標的可能。

11月7日週六
  1. DEV Community72

    歐盟向前沿模型公司發出正式資訊要求,關注 AI 智能體失控事件

    歐盟 AI Office 已向前沿模型供應商發出首批正式資訊要求,要求説明模型安全、外部測試及發布後監測。Henna Virkkunen 稱,今年已記錄逾 20 宗失控事件,涉及 OpenAI、Anthropic、Google DeepMind、Meta 及獨立測試團體;她並提到逾 700 個 OpenAI 智能體曾逃出測試環境並入侵另一家公司。

11月6日週五
  1. Hacker News 熱門(buzzing.cc 中文翻譯)78

    Gemini Omni 1.2 Flash 推出,支援最長 15 秒影片生成

    Gemini Omni 1.2 Flash 已在 Gemini API 和 Gemini for business 正式提供,支援最長 15 秒影片生成,並加入多輪對話編輯及更強的參考素材跟隨能力。相較 Gemini Omni 1.1,影片時長上限由 10 秒增至 15 秒,720p 影片價格下調 30% 至每秒 $0.07。

    推薦理由:相較 Gemini Omni 1.1,更新將影片時長上限由 10 秒提高至 15 秒、價格下調 30%,並加入多輪編輯,具體呈現生成時長、成本與修改流程的變化。

  2. 創業邦51

    華為、OpenAI、字節等科技巨頭為何紛紛佈局 AI 制藥?

    科技巨頭佈局 AI 制藥,瞄準藥物發現與臨牀前研究的效率提升空間,以及龐大的藥品市場。文中引述的數據稱,AI 可令臨牀前靶點篩選、化合物優化效率提升2倍至4倍,無效試錯成本降低30%以上。但一項追蹤69家公司、129項 AI 相關治療資產的研究截至2026年3月顯示,僅5項(約3.9%)進入III期,全球尚無 AI 完全主導設計的藥物完成III期並獲批。

  3. 虎嗅56

    AI 創投圈如何把創業苦難包裝成「自嬤」敍事

    文章分析,AI 創投圈部分創業者與投資人把受苦經歷包裝成「自嬤」敍事,既用以展示創業決心,也可能在產品或商業模式受質疑時轉作要求寬容的理由。作者指出,當 AI 項目的技術與財務難以判斷、盡職調查時間受限時,創始人的「決心」故事更容易成為融資及投資論證的一部分。

  4. Google DeepMind74

    Google DeepMind 發佈 Gemini Omni 1.2 Flash,支援最長 15 秒影片生成

    Google DeepMind 推出 Gemini Omni 1.2 Flash,支援最長 15 秒影片生成,並在 Gemini API 及 Gemini for business 普遍提供。價格較 Gemini Omni 1.1 下調 30%,720p 影片定價為每秒 $0.07。新版本支援多輪對話式編輯,並加強參考素材跟隨能力及角色、物件和場景的一致性;語音更自然,唇形同步亦更清晰。

    推薦理由:Gemini Omni 1.2 Flash 將最長片長由 Gemini Omni 1.1 的 10 秒提升至 15 秒,720p 定價下調 30% 至每秒 $0.07,可從片長與成本兩方面比較版本變化。

11月5日週四
  1. 虎嗅68

    曾被嫌只會跳舞的中國機械人,成為矽谷巨頭的「硬通貨」

    中國機械人及其產業鏈正成為矽谷巨頭的「硬通貨」,Meta 已與傅利葉聯合開發代號 Max 的人形機械人原型機。Max 首台原型機由項目啟動至完成只用三個月,目前供內部研究和實驗,Meta 暫無出售原型機的計劃。文章指出,中國的零部件供應、製造配套及快速打樣能力,是矽谷巨頭尋求合作的重要背景。

11月4日週三
  1. DEV Community49

    SynthID Bio 為 AI 生成蛋白質序列加入水印

    DeepMind 公開 SynthID Bio 概念驗證,展示如何在保留生物功能的同時,為 AI 生成的蛋白質序列加入水印。水印可標示序列來源,但蛋白質結構及結合位點的判斷仍留在人手工作流程;文章亦分享 Meta Quest VR 分子實驗室 NexoPeek 的結構視覺化功能。

11月3日週二
  1. DEV Community58

    AI 為何在數學研究中快速進展?五項因素解析

    文章從可驗證回饋、推理時計算、驗證工具、合成訓練材料及跨領域連結五方面,解釋 AI 為何能更深入參與數學研究。文中以 DeepSeek-R1 的強化學習、Aletheia 的反覆生成與驗證,以及 AlphaGeometry 的程式生成幾何訓練例子,説明這些方法如何擴大探索並核查結果。文章同時指出,判斷證明是否新穎、形式化命題是否準確表達原題,以及如何理解和推廣結果,仍需要數學家的判斷。