Google DeepMind 推出 SynthID Bio，将水印技术引入合成生物学，可在 AI 设计的氨基酸序列与预测三维结构中嵌入隐形标记，并在物理合成的蛋白质中保持可检测性且不损害生物活性。湿实验证实加水印的蛋白质结合剂在结合亲和力与命中率上与未加水印版本一致，微调后的 AlphaFold 3 权重也能直接生成含签名坐标。团队已将该方法的研究论文、代码、模型权重及体外验证数据向社区开源。
推荐理由：该技术首次将 AI 水印直接嵌入实体合成蛋白且保留原有生物功能，为基因合成筛查与生物安全验证提供了落地路径。
Google DeepMind 联合多家机构试点双盲 AI 评测机制，利用密码学安全环境隔离外部测试集，防止模型提前接触题目造成基准污染。团队与新加坡 AI 安全研究所、OpenMined、AVERI 及 MLCommons 合作，在隐私保护环境中对 Gemini Flash Lite 模型进行保密基准测试。该方案旨在通过技术与密码学防护手段，确保前沿模型的能力和安全评测结果真实可信。
推荐理由：DeepMind 通过密码学安全环境隔离测试数据与前沿模型，为防止基准污染和建立可信评测提供了技术落地参考。
Google DeepMind 发布 AI 控制路线图（AI Control Roadmap），提出一套超越传统模型对齐的纵深防御系统，用于防范能力更强但未完全对齐的 AI 智能体带来的内部威胁。
剑桥大学 Clare Bryant 教授正利用 AI 系统 Co-Scientist 寻找病原体跨物种传播引发严重疾病的分子开关。通过分析研究提案与未公开实验数据，Co-Scientist 帮助团队将假说靶点从候选蛋白质精准缩小至特定氨基酸。这一原本通常需要 2 至 3 年实验的氨基酸筛选过程，借助该工具预计缩短至 6 个月完成。
爱丁堡大学团队利用 Google DeepMind 的 Co-Scientist 系统分析文献并生成新假说，加速了代谢功能障碍相关脂肪性肝炎（MASH）的机制探索与候选组合疗法筛选。
斯坦福大学医学院团队在《Advanced Science》发表研究，利用 Google DeepMind 的 Co-Scientist 系统从现有药物文献中筛选治疗肝纤维化的老药新用候选药。
推荐理由：该研究给出了 AI 系统筛选老药新用并在活体人类细胞中实验验证的对比数据，为科研智能体在生物医药发现中的实际表现提供了直接参考。
Google DeepMind 推出基于 Gemini 构建的科研多智能体系统 Co-Scientist，用于在生命科学等领域自主生成、论证与迭代科研假说，相关成果已在 Nature 发表。
推荐理由：系统利用多智能体辩论与天梯淘汰机制演进科学假说，读者可以了解大模型如何从文献检索走向严密的端到端科研推导。
Google DeepMind 宣布启动 AI 协诊医生研究计划，探索由 AI 智能体在医生监督下协助患者的三方护理模式。该系统基于 Gemini 与 Project Astra 的实时音视频能力构建，在与哈佛及斯坦福合作的远程问诊模拟中，能在实时指导查体的同时通过双智能体架构由规划模块全程监控对话边界。
推荐理由：原文结合双智能体架构与临床模拟实测，展示了多模态交互在远程问诊和查体指导中的实际边界。
Google DeepMind 提出新型分布式训练架构 Decoupled DiLoCo，支持在跨地域低带宽网络环境下高容错训练大语言模型。该架构将算力拆分为独立的计算岛并采用异步数据流，在局部硬件故障时系统可自愈且不中断整体训练。
Google DeepMind 发布了首个用于测量 AI 有害操纵的实证评估工具包，并公开了涵盖英美印三国 10,000 多名参与者的 9 项研究成果。该研究系统衡量了模型在金融和健康等高风险决策场景中的操纵倾向与实际有效性，开源了开展该类实验所需的全部材料。相关评估指标已纳入其前沿安全框架，用于测试 Gemini 3 Pro 等前沿大模型。
推荐理由：该研究公开了测量 AI 有害操纵的实证工具包，为行业量化大模型在金融与健康等场景中的诱导风险提供了可复用的实验框架。
Google DeepMind 发布新论文提出测量 AGI 进展的认知分类框架，并联合 Kaggle 设立 20 万美元奖金池启动评测黑客松。该框架从认知科学等领域提炼出感知、注意、学习、记忆、推理、元认知、执行功能与社会认知等 10 项核心能力，采用留出测试集和人类基线对比的三阶段协议评估模型。
Google DeepMind 发表两篇论文，展示 Gemini Deep Think 结合智能体工作流在数学、物理与计算机科学专业研究中的应用成果。团队基于该模式构建了具备自然语言验证和检索能力的数学研究智能体 Aletheia，已实现全自主生成算术几何论文并解答多项 Erdős 猜想。
推荐理由：展示了推理模型结合自然语言验证与搜索的智能体架构，为将大模型引入前沿科学研究提供了可复用的人机协作路径。
Google DeepMind 联合 Kaggle 推出 FACTS 事实性评测基准套件，通过参数化知识、网页搜索、多模态及上下文溯源四个维度系统评估大语言模型的事实准确性。评测集共包含 3,513 个公开样本与私有保留测试集，由 Kaggle 托管并维护公共排行榜。首批 15 款主流大模型测试中 Gemini 3 Pro 以 68.8% 综合得分领先，同时所有受测模型总准确率均在 70% 以下。
科研人员利用 AlphaFold 预测光合作用关键酶甘油酸激酶的结构并进行分子改造，成功设计出可在 65 °C 高温下保持稳定的杂合酶。密歇根州立大学团队通过比对植物与温泉嗜热藻类的酶结构，准确定位了植物酶在高温下易形变失稳的关键区域。研究人员随后用藻类刚性结构替换不稳定片段，为后续培育耐高温农作物提供了具体分子方案。
密苏里大学研究团队结合冷冻电镜与 AlphaFold，成功绘制出构成坏胆固醇（LDL）分子骨架的关键蛋白质 apoB100 的原子级分辨率结构。该蛋白质因体积极大且与脂质复杂连接困扰学界 50 年，结构显示其呈现包裹 LDL 颗粒的笼状外壳与带状支撑结构。这一突破为理解坏胆固醇致病机理以及研发心血管疾病靶向治疗方案提供了关键结构依据。
推荐理由：研究展示了AlphaFold结合冷冻电镜解析超大复杂蛋白的实践路径，为心血管疾病靶向研发提供了分子层面的结构依据。
Google DeepMind 在 Nature 发表研究，提出一种通过重组内部视觉表征使 AI 模型与人类认知对齐的方法。研究团队先利用认知科学 THINGS 数据集在 SigLIP-SO400M 上训练适配器构建教师模型，再生成包含数百万决策的 AligNet 数据集以微调学生模型，解决了小数据集微调容易过拟合的问题。
Google DeepMind 联合 Google Research 宣布多项生物圈 AI 研究进展，涵盖森林砍伐风险预测、物种地理分布制图及生物声学模型 Perch 2.0。
OpenAI 联合 DeepMind 安全团队研发出一种新算法，能够通过让人类在两种候选行为中选择更优项来推断人类意图。该方法旨在消除人工编写复杂目标函数的需要，避免因代理目标不准确而导致不可控或危险的行为。
推荐理由：算法通过让人类在两种行为中二选一的方式推断意图，减少了手动编写复杂目标函数带来的安全风险。