Google DeepMind 联合发布 10 米分辨率全球森林类型地图 ForTy
Google DeepMind、Google Research 联合 WRI 与 IIASA 发布全球森林类型地图 ForTy 2020 及 2017 至 2025 年年度时间序列，以 10 米分辨率将全球土地划分为原始林、人工林等六类。
推荐理由：该研究提供了十米分辨率区分天然林与人工林的监测基准，可用于追溯林地历史变化并辅助环境监管合规。
#DeepMind
#DeepMind
今日 0 条Google DeepMind精选AI 评分6565
The DecoderAI 评分7474 四个 Gemini 4 Argon 智能体无需人类协助通关《我的世界》
四个运行在 Google Gemini 4 Argon 上的 AI 智能体在无人类干预的情况下通关《我的世界》，实现了全自主击败末影龙。Google DeepMind 团队未为其预设角色、策略或专用工具，智能体通过共享记忆自主分工、互通威胁并回收队友遗落物品。
Scientific AmericanAI 评分5757 Anthropic 开展 AI 蠕虫研究，引发智能设备安全隐患担忧
Anthropic 红队研究展示了 AI 蠕虫在低算力边缘硬件间运行的潜在风险，研究人员通过将模型按层切分，在 15 台互联的廉价电视盒子上成功分布式运行了 Google DeepMind 的 Gemma 模型。
The Decoder精选AI 评分7777 Google DeepMind 的 AlphaProof Nexus 解决数十个未解数学难题并通过同行评审
Google DeepMind 的 AlphaProof Nexus 独立解决数十个未解数学难题，相关研究已发表在《Science》并通过同行评审。该系统破解了 353 个未解 Erdős 问题中的 9 个，证明了 OEIS 的 44 个猜想，并解决了一个代数几何开放问题及改进了极小极大优化已知界限。
推荐理由：系统结合大模型生成与形式化验证语言反复试错，展示了自动化推理在解决长期未解数学猜想上的落地路径。
The Decoder精选AI 评分7676 AI 系统 Ataraxos 击败西洋陆军棋顶尖人类选手
研究团队开发的 AI 系统 Ataraxos 在西洋陆军棋中以 85% 的有效胜率击败历史顶尖人类选手 Niemeijer，攻克了这一拥有超 10^33 种初始布局的不完全信息棋类项目。该系统完全依赖自我博弈与正则化训练，并结合预测对手隐藏棋子的信念网络，仅花费不到 8000 美元算力成本。相关方法在花火与斗地主等隐藏信息游戏中也刷新了基准记录，目前代码已对外开源。
推荐理由：研究展示了通过正则化和轻量信念网络在极高隐藏信息博弈中降低计算开销，为不完全信息决策提供了高样本效率的参考路径。
NatureAI 评分7070 DeepMind 研发 SynthIDBio 为 AI 生成蛋白质嵌入隐形水印
Google DeepMind 团队开发出蛋白质水印系统 SynthIDBio，可在不明显损害蛋白质功能的前提下，在 AI 设计的氨基酸序列和 3D 构型中植入隐形统计标记。该技术旨在帮助生物数据库区分合成蛋白与天然蛋白，并为 DNA 合成商提供安全筛查线索，但若使用其他设计工具重新生成序列仍可能导致标记被抹除。
NVIDIA Blog精选AI 评分6868 NVIDIA 与 DeepMind 等如何通过开放科学助力科研人员防范下一场大流行病
NVIDIA 联合 Google DeepMind 及 EMBL-EBI 等机构，在 AlphaFold Database 中公开了 2800 多种病毒的蛋白质复合物 3D 预测结构数据集，并开源了用于生成的 BioNeMo Structure Prediction Pipeline 工作流。
推荐理由：合作团队通过优化推理规模化产出了数千种病毒的复合物结构并开源工作流，读者可直接借鉴其将模型推理落地于大规模科学计算的工程方案。
Google DeepMind精选AI 评分6868 Google DeepMind 评估 AI 教学在塞拉利昂及其他地区的影响
Google DeepMind 公布了一项在塞拉利昂进行的预注册对照试验结果，基于 LearnLM 开发的 Guided Learning 在 8 周内帮助学生数学成绩提升 0.258 个标准差，相当于 1.2 至 1.7 年的学习进度。
推荐理由：该研究展示了启发式提问对学生概念理解的量化提升，为评估 AI 辅助教学的真实成效提供了实证参考。
Google DeepMindAI 评分5757 Google DeepMind 展示 Co-Scientist 加速细胞抗衰老遗传研究
Google DeepMind 介绍了其 Co-Scientist 系统在逆转细胞衰老研究中的实际应用，该系统成功提出可验证的细胞年轻化遗传因子，并将后续数据分析周期大幅缩短。合作实验室借助 Co-Scientist 检索数万篇文献并提出 20 多个候选遗传因子，实验测试已验证了部分假设能促使细胞恢复年轻态；同时在筛选数据与文献的关联分析中，该系统将原本需要长达 6 个月的工作缩减至数天。
Google DeepMind精选AI 评分6060 Google DeepMind 借助 Co-Scientist 加速肝病机制与组合疗法发现
爱丁堡大学研究人员利用 Google DeepMind 的 Co-Scientist 系统，针对代谢功能障碍相关脂肪性肝炎（MASH）提出了关键分子机制假设并完成实验验证。该系统综合了肝脏生物学与药理学文献，指出 NLRP3 炎症小体是连接炎症与代谢的分子桥梁，解释了已获批药物 resmetirom 适用患者受限的原因，为应对药物配对筛选的组合爆炸难题及开发靶向双重疗法提供了线索。
推荐理由：原文展示了科研智能体通过跨学科文献综合提出分子机制假设并获实验验证的实例，为解决药物组合筛选难题提供了参考路径。
Google DeepMind精选AI 评分6363 斯坦福团队利用 DeepMind Co-Scientist 发现治疗肝纤维化的老药新用候选方案
斯坦福大学团队发表在《Advanced Science》的研究显示，利用 DeepMind 的 Co-Scientist 成功从现有药物中筛选出了可治疗肝纤维化的老药新用候选方案。
推荐理由：实验直接对比了人类专家与 AI 在药物筛选上的表现，为大模型在老药新用和生物医学文献挖掘中的应用提供了实测参考。
Google DeepMindAI 评分4949 Decoupled DiLoCo：高韧性分布式 AI 训练的新前沿
Google DeepMind 提出分布式训练架构 Decoupled DiLoCo，通过异步计算孤岛实现低带宽、高容错的跨数据中心大语言模型训练。团队在跨美国 4 个区域、仅 2-5 Gbps 广域网带宽下成功预训练 12B 参数模型，速度比传统同步方法快 20 倍以上，并在 Gemma 4 测试中保持了同等基准性能。