更好的工作成果是否总意味着更强的员工?
Does better work always mean better workers?
谷歌研究博客文章,作者为 David Autor 与 Tanya Rodchenko。文中介绍了一项针对在职专利律师、为期三个月的随机对照试验:常规使用 AI 能整体提升工作质量,但对在职学习的影响因资历而异——使用 AI 90 天的资深律师判断力强于对照组,而初级律师平均技能没有提升,分数分布呈现更多高分与更多低分的分化。
全部 AI 精选,可按分级、类型、是否付费、收录时间筛选,按关键词搜索。
Does better work always mean better workers?
谷歌研究博客文章,作者为 David Autor 与 Tanya Rodchenko。文中介绍了一项针对在职专利律师、为期三个月的随机对照试验:常规使用 AI 能整体提升工作质量,但对在职学习的影响因资历而异——使用 AI 90 天的资深律师判断力强于对照组,而初级律师平均技能没有提升,分数分布呈现更多高分与更多低分的分化。
Unlocking Earth AI’s planetary geospatial foundation models for global public health
Google Research 于 2026 年 10 月 6 日发布的博客文章,介绍如何利用 Google Earth AI 的“人口动态基础模型”(PDFM)应对现有流行病学工作流程中的数据缺口和报告滞后问题。文中指出常规疾病监测面临多年报告延迟、数据受地缘边界分割、数据稀疏等限制,并呈现五项由合作伙伴推动的案例研究,说明该模型如何体现面向全球公共卫生的行星地理空间基础模型范式。提供论文与 Google 博客链接。
Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle
Google Research 于 2026 年 10 月 5 日发布的博客文章,介绍一份研讨会产生的新报告《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》。报告受“语境完整性”理论启发,围绕系统、模型和用户三个层面列出关键开放研究方向,讨论如何在发挥 AI 智能体自主执行多步骤任务能力的同时确保其行事得当。该报告由 50 多位学术界与产业界人士在 2025 年底举行的 Google CAPS 研讨会上合作完成。
Toward provably private learning from federated data
Google Research 于 2026 年 10 月 2 日发布的博客文章,宣布一套新的联邦学习系统,声称可提供外部可验证的隐私保证,同时将计算转移到服务器以提升训练速度、准确率和设备覆盖范围。文中回顾 2017 年引入的联邦学习及其在 Gboard、Google Messages、Android 等产品中的应用,并列出数据最小化、匿名化、透明与控制、可验证与可审计四项隐私原则,以及差分隐私相关算法。提供论文链接。
How Diffusion Controller unifies and simplifies AI image generation
Google Research 于 2026 年 9 月 29 日发布的博客文章,介绍一种名为 Diffusion Controller 的轻量级“转向阻尼”网络,用于精确引导图像生成以提升提示词对齐效果。文中称它可无缝附加到包括访问受限的闭源模型上,在提升图像质量的同时不破坏基线稳定性,并讨论了现有推理时引导与微调方法彼此割裂的问题,提供了论文链接。内容面向对图像生成技术细节感兴趣的读者。
Grounding AI agents in biological reality: Building blocks for autonomous wet labs
Google Research 的一篇博客,介绍将 AI 智能体与实体实验室机器人结合、开展闭环分子设计循环的研究工作,报告了针对癌症靶点发现单位数纳摩尔级蛋白结合物。文章指出前沿模型在三维几何与物理状态推理上仍不可靠等挑战,并附有 VERID、智能体适配体沙箱和表位切除等相关论文链接。
Putting Earth AI to work: Geospatial agents for our planet's biggest challenges
这是 Google Research 的一篇博客,介绍其“地球 AI”项目下的地理空间推理智能体。文章称,将领域专用基础模型、空间工具与预先规划相结合,可使该智能体完成独立大模型无法胜任的复杂空间分析和地球尺度预测。文中提到同步发布一份技术报告,并通过 Ask Google Earth 和 Agent-to-Agent(A2A)服务扩大实验性访问范围。
谷歌 DeepMind 发布的介绍文章,提出将水印技术用于合成生物学。SynthID Bio 把不可感知的签名嵌入生物代码,使水印既能在数字模型上验证,也能在合成出的实体蛋白质上验证,并在实验室测试中保持其生物功能;文中还提到 AI 设计蛋白可能绕过 DNA 合成筛查、被错标的合成三维结构可能污染公共数据库等问题。
Accelerating the search for antimicrobial peptides with Google Antigravity
这是 Google DeepMind 的一篇技术文章,介绍利用其智能体开发平台 Google Antigravity 作为“智能体科学工作台”,帮助生物学家快速发现、结构评估并优先排序候选靶点,缩短原本分散于多个数据库的检索流程。文章称研究者借助可从氨基酸序列预测生物学功能的模型 ProtNLM 扫描 UniProt 中数以百万计的未表征蛋白,并给出一个技术演示:发现有候选抗菌肽对呼吸道感染相关病原体具有预测活性。
Disrupting a coordinated model-distillation campaign
OpenAI 安全类文章,介绍该公司如何阻止了一场试图提取其受保护模型推理内容的行动,以及如何加强对对抗性蒸馏的防御。正文分“我们观察到的内容”“对归因的评估”“为何重要”等部分。材料未说明具体面向的读者。
DevDay 2026 Recap
OpenAI 于 2026 年 9 月 29 日发布的 DevDay 2026 活动回顾页面。页面称这是迄今规模最大的一届 DevDay,涵盖 20 多项主要发布,涉及 GPT-6 Astra 等模型、ChatGPT、Codex、API、安全以及面向开发者构建者的新工具。适合关注 OpenAI 产品与开发者生态动态的读者。
Towards safety cases for frontier AI training
OpenAI 于 2026 年 9 月 28 日发布在安全栏目下的文章。文中给出其在