Google DeepMind 正式开源 1-petabyte 规模的重大科研成果 AlphaGenome Atlas，利用前沿生物模型对人类基因组中全部约 90 亿种单碱基 DNA 突变（SNVs）的分子表型效应进行了完整预测，为遗传疾病机理破译与个性化靶向药物研发提供了史无前例的数字参考底图。
7 大权威镜像天梯跑分与 29+ 款主流编程套餐横向比价测算
联动天梯榜跑分、独家套餐赠金与 IDE 定制规则
Gemini 后训练/RL 的 Qiao Zhang（@zhangqiaorjc，2026-10-01）引用 Gemini 4 Argon 官宣称团队小突破加速：过夜消除 trainer–sampler mismatch、再获约 10% MFU，并称 RSI 全速。具体配方未写入官博；准入仍走 Fairwind。
Google DeepMind 宣布成立 DeepMind Institute（DMI），由 Demis Hassabis、Shane Legg 与 James Manyika 共同领导。DMI 旨在搭建跨学科研究智库，汇聚全球顶尖学者与政策制定者，针对 AGI 安全风险、治理规范及对人类社会经济的深远影响展开前沿探索与对齐理论研究。
大语言模型智能体在多步决策场景中展现出强大潜力，但一旦迁移至未知新环境，表现往往出现灾难性滑坡。传统世界模型方法尝试让智能体学习预测未来观测，但额外训练成本沉重且预测误差在长程规划中极易级联放大。研究表明，大模型在海量预训练中早已内化了数字环境的基本因果逻辑，核心瓶颈在于现有的后训练（Post-Training）范式在每个访问状态下仅提供单一目标监督，诱导策略模型盲目依赖表面上下文捷径而非底层因果。来自中科大、华东师大等机构的研究团队提出了 EVOKE 后训练方法：在保持环境状态与交互历史完全固定的前提下，对替代目标下的候选动作重新排序。这一机制倒逼模型必须激活内置世界模型以判断动作因果，从而在无需额外世界模型架构的情况下，实现了跨未知环境的高效泛化与数据利用效率跃升。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察