跳到正文
只看技术研究#Google
  1. The Decoder

    Anthropic Fable 5.2 完成41.3%的真实自由职业任务，较一年前提升逾16倍

    Anthropic Fable 5.2 在真实工作评测中完成了41.3%的专业任务，而约一年前的领先系统 Manus 仅完成2.5%，其成绩也接近当前第二名的两倍。

    推荐理由：该评测以240个真实自由职业项目和人工验收衡量智能体，可用于比较不同模型完成专业工作全流程的能力差距。

  2. Google DeepMind

    Google DeepMind 公布 AlphaProof Code 研究，形式化验证 Signal 核心加密代码

    Google DeepMind 公布 AlphaProof Code 研究，利用多 LLM 智能体框架和 Lean，对 Signal 协议实际代码的关键安全属性进行形式化验证。

    推荐理由：该研究给出人类专家、多种大语言模型与 Lean 协作验证生产级密码代码的流程，可供评估 AI 形式化验证的工程路径。

  3. Google DeepMind

    Google DeepMind 发布 Gemini Robotics 2.5，提升机器人通用灵巧性

    Google DeepMind 发布视觉语言动作模型 Gemini Robotics 2.5，并开始向机器人合作伙伴推送，以扩大机器人可学习的技能范围并加快学习速度。

    推荐理由：原文同时给出200项任务评测、产线试点与安全数据，可用于比较模型在灵巧性、可靠性和风险控制上的进展。

  1. Google DeepMind

    Google DeepMind 发布实时交互世界模型 Genie 4

    Google DeepMind 发布世界模型 Genie 4，可实时生成并操控包含画面、环境音、音乐和互动对话的多模态模拟世界。模型结合 Gemini 系列维持场景连贯性并规划多步事件，目前已向可信测试者开放研究预览，随后将提供给 Project Genie 的 Google AI Ultra 订阅者及 Gemini API、Google AI Studio 的早期合作伙伴。

    推荐理由：Genie 4 展示了世界模型与 Gemini 协同生成、推理和控制的路径，并明确列出长期一致性等现阶段局限。

已经到底了