[控场AI]
公司Google DeepMind

DeepMind

谷歌旗下AI研究机构,专注于人工智能基础研究与应用

核心事实

时间轴 (近 90 天)

11月18日

DeepMind首席战略官上任8个月即跳槽Anthropic,过去一年DeepMind出走者中约25%流向Anthropic。

待验证50%
11月18日

Anthropic聘请前DeepMind首席战略官Jaz Seckon,专职为Cloud模型担任认知严谨性教练,教AI量化自身无知。

待验证50%
11月17日

2021年DeepMind与EMBL-EBI联合发布了涵盖人类主要蛋白质的AlphaFold DB,随后扩展到数百万种物种的预测结构库。

待验证50%
11月16日

AI在四周内产出600万条形式化证明,说明其在严谨逻辑推理任务上的能力正在从辅助走向主力。

待验证50%
11月15日

在同一Terminal Bench上,Claude Sonnet 5.5得分63.9,领先Hydrogen的57%;在computer use任务上Sonnet以83.9对77.6获胜

待验证60%
11月15日

DeepMind 与 UCL 合作了一门强化学习课程,由 David Silver 主讲,该课程在强化学习教学领域有很高的认可度。

待验证50%
11月15日

DeepMind x UCL 强化学习课程(2015)偏重理论推导而非代码实现。

待验证50%
11月14日

Gemini 4家族目前有三款模型:Carbon、Argon和Hydrogen,其中Carbon和Argon负责长周期、深度推理任务。

待验证50%
11月14日

DeepMind负责人Varun对速度问题的公开回应是‘这不是我们在工作负载中看到的情况’,并以‘这是高度赞扬’回应批评。

待验证50%
11月14日

DeepMind用AI对Signal的真实代码完成600万行形式化证明,这是AI首次在实现层验证广泛部署的加密协议。

待验证50%

还有 40 条时间轴事件

全部知识事实 (20)

已验证

Astra名称此前更多与谷歌DeepMind的Project Astra相关联,后者是谷歌在2024年Google I/O大会上展示的多模态AI助手项目

90%
已验证

MuJoCo最初由华盛顿大学的Emo Todorov团队开发,2021年被DeepMind收购后完全开源免费

90%
已验证

Google DeepMind的RT-2首次将视觉-语言模型直接用于生成机器人动作指令

90%
已验证

OpenAI、Anthropic、Google DeepMind等头部AI实验室都已建立了专门的红队测试流程,并将其作为模型发布前的必要环节

90%
已验证

DeepMind公开了超过2亿个蛋白质的预测结构数据库,覆盖了几乎所有已知蛋白质

90%
已验证

AlphaGo结合了深度学习与蒙特卡洛树搜索(MCTS),使用策略网络和价值网络两个关键神经网络

90%
已验证

DQN是DeepMind在2013年提出的算法,首次将深度神经网络与Q-learning强化学习相结合,使AI能学会玩49款Atari游戏

90%
已验证

Demis Hassabis是Google DeepMind的联合创始人

90%
已验证

Google DeepMind由2014年收购的DeepMind与谷歌内部的Google Brain团队于2023年合并而成

90%
已验证

推测解码(Speculative Decoding)范式由Google Brain和DeepMind团队于2023年几乎同期提出

90%
已验证

截至2023年,AlphaFold已预测超过2亿种蛋白质结构,覆盖几乎所有已知生物体

90%
已验证

AlphaFold是DeepMind于2020年推出的蛋白质结构预测系统

90%
已验证

DeepMind的AlphaProof和AlphaGeometry系统采用了逐步验证的思路

85%
已验证

DeepMind提出的Chinchilla定律进一步精细化了数据与参数的最优配比关系

85%
已验证

2022年DeepMind的Chinchilla论文指出同等算力预算下应均衡增大模型尺寸与训练数据量

85%
已验证

Reward Hacking(奖励黑客)是强化学习领域的经典问题,其核心在于优化目标(奖励函数)与设计者真实意图之间存在不可避免的差距,最早由DeepMind等研究团队系统性地记录和分析

80%
已验证

DeepMind的AlphaZero于2017年发布,仅凭自我对弈就在国际象棋、将棋和围棋上达到超越人类顶尖水平

80%
已验证

多模态大模型的技术基础是视觉编码器(如ViT)与语言模型的联合训练,使模型能将像素空间视觉信息映射到与文本共享的语义空间

80%
已验证

DeepMind的Chinchilla研究(2022)指出最优训练应让数据量与参数量保持大致1:1的比例增长

80%
已验证

DQN由DeepMind于2013年提出,首次将深度神经网络与Q-learning结合

80%

来源文章