有“AI教母”之称的斯坦福大学教授李飞飞及其团队近日发布了一项关于多模态大模型“空间智能”的研究，揭示这些模型在记忆和回忆空间方面已经具备初步能力，并展现出形成局部世界模型的潜力。研究团队开发了用于评估视觉空间智能能力的工具——VSI-Bench，其中包含超过5000个基于288个真实视频的高质量问答对。测试视频涵盖居住空间、专业场所及工业场景，涉及多个地理区域。研究结果显示，尽管多模态模型的总体表现尚低于人类，但在某些任务上已达到或接近人类水平。例如，

近日，一项新的研究论文揭示了不同 AI 语言模型在合作能力方面的显著差异。研究团队采用了一种经典的 “捐赠者游戏”，测试了 AI 代理在多代合作中如何共享资源。结果显示，Anthropic 的 Claude3.5Sonnet 表现出色，成功建立了稳定的合作模式，获得了更高的资源总量。而谷歌的 Gemini1.5Flash 和 OpenAI 的 GPT-4o 则表现不佳，尤其是 GPT-4o 在测试中逐渐变得不合作，Gemini 代理的合作程度也十分有限。研究团队进一步引入了惩罚机制，以观察不同 AI 模型的表现变化。结果发现，Claude3.5的表现有了显

Google DeepMind 和机器人公司 Apptronik 宣布达成合作，将结合双方技术专长，研发可在复杂动态环境中运行的人工智能人形机器人。此次合作旨在推动机器人硬件与人工智能的深度融合，探索机器人在工业与日常应用中的更广泛可能性。Apptronik 于2016年从德克萨斯大学奥斯汀分校的人本机器人实验室独立运营，迄今已开发出15种机器人模型，包括为 NASA 设计的 Valkyrie 机器人。公司最新推出的 Apollo 机器人，高1.73米、重73公斤，专为工业环境设计，可与人类协同工作。Google DeepMind 最近展示了 Apoll

在人工智能领域竞争日益激烈的背景下，谷歌近日宣布推出 Gemini2.0 Flash Thinking模型。这一多模态推理模型具备快速且透明的处理能力，能够应对复杂问题。谷歌首席执行官桑达尔・皮查伊在社交媒体 X 上表示:“这是我们迄今为止最具深度的模型。” 根据开发者文档，Gemini2的Flash Thinking比基础版本的 Gemini2.0Flash模型具备更强的推理能力。新模型支持32，000个输入标记（大约50到60页文本），输出响应可以达到8，000个标记。谷歌在其 AI 工作室的侧边面板中表示，这一模型特别适用于 “多模态

IBM 正式发布了其新一代开源大语言模型 Granite3.1，力图在企业级 AI 领域占据领先地位。这一系列模型具备128K 的扩展上下文长度、嵌入模型、内置的幻觉检测功能以及性能的显著提升。IBM 声称，Granite8B Instruct 模型在相同规模的开源竞争对手中表现最佳，包括 Meta 的 Llama3.1、Qwen2.5和谷歌的 Gemma2。Granite3.1模型的发布是在 IBM 快速迭代 Granite 系列的背景下进行的，早在10月份就推出了 Granite3.0。IBM 透露，其与生成 AI 相关的业务收入已达到20亿美元。新版本的核心理念是将更多功能集成到更小的

近日，谷歌旗下的 AI 项目 Gemini 因其内部新规引发了对信息准确性的担忧。据报道，负责评估 AI 生成内容的外包人员被要求对他们不具备专业知识的领域进行评分，尤其是在医疗健康等敏感话题上。这些外包人员来自于全球技术服务公司 GlobalLogic，谷歌要求他们评估 AI 生成的回复，主要考量 “真实性” 等因素。此前，外包人员可以选择跳过那些他们没有相关专业知识的问题，例如，他们可以在遇到关于心脏病学的专业问题时，选择不作评估。这样做是为了确保评分的准确性，只有具备相

AI药物研发公司Genesis Therapeutics近日宣布，再次获得英伟达（Nvidia）旗下风险投资部门NVentures的追加投资，具体金额未披露。此举标志着双方合作的进一步深化，旨在加速Genesis的AI平台GEMS(Genesis Exploration of Molecular Space)的开发，该平台专注于利用物理AI进行结构驱动的药物设计。源于斯坦福，深耕分子AIGenesis Therapeutics由Vijay Pande博士在斯坦福大学的实验室衍生而来。联合创始人Evan Feinberg博士在研究生期间与Pande共同发明并撰写了多篇关于深度学习技术的关键论文，其中最引人注目的是Potential

谷歌近期宣布，旗下的企业级代码助手 Code Assist 已升级至 Gemini2.0，并扩展了可连接的外部数据源。这一新版本将为开发者提供更大的上下文窗口，以便更好地理解企业中的大型代码库。根据谷歌云产品管理高级总监瑞安・萨尔瓦的介绍，Code Assist 现在能够与多种数据源连接，包括 GitLab、GitHub、Google Docs、Sentry.io、Atlassian 和 Snyk。开发者可以在他们的集成开发环境（IDE）中直接请求 Code Assist 的帮助，以便不打断自己的工作流程。此前，Code Assist 仅支持与 VS Code 和 JetBrains 的集成。Code Assist

谷歌实验室近日在美国推出了最新的生成式人工智能实验工具 Whisk。与传统的图像生成工具主要依赖文本提示不同，Whisk 着重使用图像作为输入方法，允许用户更直观地创造艺术作品。用户可以直接上传图片至 Whisk，或者在该工具内生成图片，指定主题、场景和风格等元素。Whisk 系统支持用户混合和匹配这些组件，并可根据需要使用附加的文本提示进行微调。值得注意的是，在后台，谷歌的语言模型（可能是最近发布的 Gemini2.0Flash）会自动生成输入图像的详细描述。这些描述将输入到谷歌

根据韩国媒体ET News的最新报道，三星计划于明年1月为其语音助理Bixby引入AI大模型支持，这一升级有望成为即将推出的Galaxy S25系列的重要卖点。今年，三星在智能手机AI功能上动作频频。从"草图生成图像"到"圈选搜索"，Galaxy系列手机已经展现出越来越强的智能化特性。更值得注意的是，三星还与谷歌展开深度合作，为手机适配Gemini AI助理，显示出对人工智能的持续投入。早在今年7月，三星就正式宣告Bixby将迎来人工智能升级。这一升级不仅限于手机，还将延伸至其BESPOKE AI系列家电产品。

谷歌最近在其 Google Drive 中增强了 Gemini AI 的功能，现在用户可以通过新的 “总结此文件夹” 按钮快速获取文件夹内容的概要。当用户打开一个文件夹时，可以在页面顶部找到这个新按钮。点击后，Gemini 将为用户提供该文件夹内所有内容的详细摘要。用户可以利用 Gemini 找到文件夹中的特定文件，或者提问，比如 “这个文件夹的主题是什么?” 此外，用户也可以将文件夹拖放到 Gemini 侧边栏中，或右键点击文件夹选择 “询问 Gemini”，使得获取信息更加便捷。目前，谷歌表示，Gemini 只能提

今年早些时候，谷歌发布了第六代也是迄今为止性能最强大的 TPU——Trillium。今天，Trillium 正式面向 Google Cloud 客户开放使用。谷歌使用 Trillium TPU 训练了最新的 Gemini2.0，这是谷歌迄今为止最强大的 AI 模型。现在，企业和初创公司都可以利用同样强大、高效和可持续的基础设施。AI 超级计算机的核心:Trillium TPUTrillium TPU 是 Google Cloud AI Hypercomputer 的关键组成部分。AI Hypercomputer 是一种突破性的超级计算机架构，它采用性能优化的硬件、开放软件、领先的 ML 框架和灵活的消费模型集成系统。随

科技巨头谷歌与三星近日共同发布了新一代混合现实头显和智能 AI 眼镜，这两款设备不仅在硬件上进行了大幅升级，更与谷歌最新的 Gemini AI 模型深度集成，展现了在混合现实领域的勃勃野心。这两款新设备均支持虚拟现实 （VR） 和增强现实 (AR) 功能，但它们最大的亮点在于对 AI 的深度应用。通过 Gemini 的强大算力，这些设备不仅能够理解用户的意图和周围环境，还具备长期记忆能力，这意味着它们可以根据用户的历史行为和偏好，提供更加个性化和智能化的服务。在交互方式上，新设备

谷歌于周三正式推出其人工智能编码助手 “Jules”，这一新产品标志着谷歌在自动化编程任务方面的重大进展。Jules基于最新的 Gemini2.0平台开发，能够在开发者休息时自主修复软件漏洞并准备代码更改。该系统能够与 GitHub 工作流程系统直接整合，分析复杂的代码库，实施跨多个文件的修复，并在无需持续人工监督的情况下生成详细的拉取请求。Jules的发布时机恰逢软件开发行业面临持续的人才短缺和技术债务的压力。市场研究公司 Gartner 预测，到2028年，AI 辅助编码将在75% 的新应用开发中

谷歌近日发布了一款名为 Deep Research 的新 AI 工具，利用其 Gemini 机器人帮助用户在网络上进行深入的研究。该工具目前仅对 Gemini Advanced 订阅用户开放，且仅支持英语用户使用。用户可以通过简单的指令，让 Gemini 为特定主题进行研究，并生成一份详细的研究报告。在使用 Deep Research 时，用户只需告诉 Gemini 要研究的主题，系统便会创建一个 “多步骤研究计划”，用户可以选择编辑或直接批准。Gemini 的工作方式是首先在网络上寻找相关的信息，然后进行相关搜索，整个过程会重复多次，以

谷歌近日发布了其第六代人工智能加速器芯片 Trillium，声称这一突破性的技术进步将可能从根本上改变人工智能发展的经济学，并推动机器学习的边界。Trillium 芯片在谷歌新发布的 Gemini2.0AI 模型的训练过程中展现了显著的性能提升，其训练性能是前一代产品的四倍，同时能耗大幅降低。谷歌首席执行官桑达尔・皮查伊在发布会上强调，Trillium 芯片是公司 AI 战略的核心，Gemini2.0的训练和推理均完全依赖于这一芯片。谷歌已经在单一网络中连接了超过10万颗 Trillium 芯片，构建了全球最强大的

科技巨头谷歌的AI研究部门近日推出了Gemini AI模型的最新迭代——Gemini2.0Flash。这款新模型在性能上进行了显著提升，特别是在处理速度和多模态功能扩展方面。官方表示，全球 Gemini 用户可以通过在桌面和移动 Web 的模型下拉列表中选择2.0Flash 实验版来访问聊天优化版本，并且它很快就会在 Gemini 移动应用程序中提供。明年年初，会将 Gemini2.0扩展到更多 Google 产品。Gemini2.0Flash的一个关键发展是其增强的处理速度。谷歌表示，新模型的运行速度是前代Gemini1.5Pro的两倍，同时在各种基准测试中

谷歌近日发布了其首款可以在网络上采取行动的人工智能代理，名为 Project Mariner。这款由 Gemini 驱动的代理可以控制您的 Chrome 浏览器、移动屏幕上的光标、点击按钮和填写表格，使其能够像人类一样使用和浏览网站。Project Mariner 可以执行诸如“根据此列表从杂货店创建购物车”之类的操作。代理导航到杂货店的网站，搜索并将商品添加到虚拟购物车中。然而，代理无法结账，因为它不应该填写信用卡号或账单信息。谷歌的目标是让用户不再直接与网站互动，而是与为用户完成这些工作的

谷歌今日宣布推出其最新一代人工智能模型 Gemini 2.0，这是该公司迄今为止最强大的AI模型。这一重大升级不仅在性能上有显著提升，更标志着人工智能向代理时代迈进的重要一步。根据谷歌和Alphabet首席执行官Sundar Pichai的介绍，Gemini 2.0在多模态能力和原生工具使用方面都实现了突破性进展。新模型不仅能够理解和处理文本、图像、视频、音频等多种形式的输入，还首次支持原生图像生成和文本转语音等多模态输出功能。"如果说Gemini 1.0是关于组织和理解信息的，那么Gemini 2.0就是为了让信

​谷歌公司及其母公司Alphabet的首席执行官桑达尔·皮查伊宣布，公司推出了最新人工智能模型——Gemini2.0，这标志着谷歌在构建通用AI助理领域迈出了重要一步。Gemini2.0在多模态输入处理和原生工具使用方面展现了显著进步，使得AI代理能够更深入地理解周围世界，并在用户监督下代表用户采取行动。