JEPA-Anything:将 LeCun 的 JEPA 扩展为跨物理到生物学的通用世界模型
PhAI Labs 联合斯坦福、牛津、普林斯顿的研究者提出 JEPA-Anything,将预测状态拆分为四个正交因子并分别预测,在物理、机器人、天气等十个任务上优于标准 JEPA,动态系统预测误差降低 35%。该模型还从生物数据中提出 IL-18 与 CD73 阻断的肝癌治疗组合,在类器官、肿瘤组织和免疫细胞共培养中显示更强杀伤与免疫激活,但尚未确立为实际疗法。代码与模型已公开。
PhAI Labs 联合斯坦福、牛津、普林斯顿的研究者提出 JEPA-Anything,将预测状态拆分为四个正交因子并分别预测,在物理、机器人、天气等十个任务上优于标准 JEPA,动态系统预测误差降低 35%。该模型还从生物数据中提出 IL-18 与 CD73 阻断的肝癌治疗组合,在类器官、肿瘤组织和免疫细胞共培养中显示更强杀伤与免疫激活,但尚未确立为实际疗法。代码与模型已公开。
Import AI 475 汇总并分析了智能体群扩展、Google DeepMind 的 SynthID Bio,以及面向自主科学发现的 AI 科学经济。4-agent swarm 达到同等性能约需两倍总 token,但每个智能体只需一半 token,并行执行理论上可将耗时减半。
Thore Graepel主张,当前大语言模型的链式思维仍是延长的下一 token 预测,并不具备类似 AlphaGo 搜索机制的真正推理能力。他指出,聊天机器人缺少明确且可检查的认知状态、知识与推理机制的分离,其思维链还可能是事后编造的解释。他提出借鉴 AlphaGo,让系统持续维护认知状态,并由独立模块依据证据评估每一步、更新信念,从而形成可审计的推理过程。
Google DeepMind 发布 SynthID Bio 概念验证研究,可在 AI 生成的蛋白质序列和预测 3D 结构中嵌入可检测水印,并在合成后的实体蛋白上验证。
推荐理由:该研究把水印从数字设计延伸到合成后的实体蛋白,并用湿实验检验功能保持,为生物设计溯源提供了可复核路径。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构,公开了超过 2,800 种病毒的蛋白复合物预测 3D 结构,帮助研究人员储备疫情应对所需的结构生物学知识。
推荐理由:材料同时给出数据集规模、推理流程与置信度标注方式,为病毒结构研究提供可直接复用的开放资源。
Google 将为 Private AI Compute 增加私密的服务器端持久记忆,让 AI 在保持设备端隐私标准的同时跨设备保留上下文。数据存入专用加密空间,解密密钥仅保存在用户个人设备上;访问时,设备通过端到端加密通道连接云端安全隔离区,数据只在隔离内存中临时解密并随即重新加密。Google 还发布了更新后的技术白皮书、服务器软件防篡改公开记录及独立安全审计结果。
推荐理由:该架构展示了如何结合设备端密钥、云端安全隔离区和加密存储,兼顾跨设备长期记忆与隐私保护。
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS,两款文本转语音模型分别面向深度创作控制与高吞吐、低成本生成。
推荐理由:两款模型分别面向深度语音创作与高吞吐场景,并将声音设计、复刻和逐行表演控制整合进同一工作流。
Google DeepMind 推出 AlphaGenome Atlas,预计算人类基因组约90亿种单核苷酸变异的分子影响。该平台包含1-petabyte数据,并以AVI评分整合AlphaGenome与AlphaMissense的预测,可通过免费网站、AlphaGenome API及Google Antigravity技能访问。
推荐理由:它把90亿种单核苷酸变异的预计算结果与AVI评分集中到同一入口,便于研究者排序变异并追溯其分子影响。
Google DeepMind 与 Google Research 发布 WeatherNext 3,通过实时卫星和气象站观测生成每小时更新、最高 5-kilometer 分辨率的全球天气预报。
推荐理由:材料给出与 WeatherNext 2 的分辨率、更新频率及降水评测对比,可用于理解实时观测如何改善全球天气预测。
Import AI 470 汇总多项 AI 研究与观点,包括反对赋予 AI 权利、用 SPADE 自动生成训练环境,以及用 Hawkeye 帮助智能体编写硬件感知 GPU 内核。
Google DeepMind 发布开放实验模型 DiffusionGemma,通过并行生成文本块,在专用 GPU 上实现最高 4x 的文本生成速度。
推荐理由:并行生成 256 token 块将本地推理提速与质量、云端成本取舍放在同一框架下,便于评估速度敏感工作流的适配范围。