Google 2025 年回顾:Gemini 3、Gemma 3 等 8 大研究突破
Google DeepMind 回顾 2025 年 8 大研究突破,模型能力从 Gemini 2.5(3 月)推进到 Gemini 3(11 月)与 Gemini 3 Flash(12 月)。
Google DeepMind 回顾 2025 年 8 大研究突破,模型能力从 Gemini 2.5(3 月)推进到 Gemini 3(11 月)与 Gemini 3 Flash(12 月)。
Google Research 回顾 2025 年进展:Gemini 3 成为 Google 事实性最强的 LLM,在 SimpleQA Verified 和 FACTS 基准上达到 SOTA,并在 Gemini 3 中引入生成式 UI,可动态生成网页、游戏、工具等交互界面。
OpenAI 提出领导者可通过清晰的战略、培训、治理和加速创新来打造 AI-ready 组织。内容围绕组织如何在 AI 时代保持竞争力展开,强调战略、培训、治理与创新加速四个方向。
OpenAI 发文阐述评估(evals)如何帮助企业定义、衡量并改进 AI 表现,从而降低风险、提升生产力并形成战略优势。文章围绕企业在 AI 落地中如何借助评估体系把控性能与风险展开,未披露具体模型、版本或基准分数。
Hugging Face 发布分析文章,指出中国开源权重模型的推理已开始由华为昇腾、寒武纪等国产芯片承载,部分模型开始用国产芯片训练。文章认为美国出口管制与中国芯片产能提速高度相关,芯片稀缺也促使 DeepSeek 的 MLA、GRPO 等算力效率创新走向开源。
推荐理由:梳理中国算力从被限制到自建全栈的路径,帮助读者理解开源模型与国产芯片如何互相推动。
OpenAI 认为 AI 将比历史上任何技术为更多人解锁更多机会,若方向正确,AI 能赋予每个人前所未有的能力。这一判断来自一位自认务实的技术从业者,其看重的是技术对人的生活的直接影响,而非技术本身。
OpenAI 推出 AI stories,用日常案例展示 AI 带来的实际收益,并指向更大的机会。Sam Altman 此前撰文称人类正进入 Intelligence Age,AI 将显著提升人的能力,使科学、医学、教育、国防等领域的难题变得可解。
Hugging Face 发布《伦理与社会通讯 #6》,聚焦高质量数据对 AI 模型的决定性作用,指出好数据不只是准确或量大,而是契合具体用途。文章以 Reddit 与 Google 的 RAG 搜索合作为例,说明低质数据曾导致“在披萨里加胶水”这类荒谬推荐。文中列出相关性、全面性、时效性与偏见缓解等数据质量维度,并强调数据治理、去重、内容过滤与人工反馈等流程。
OpenAI 正在说明 ChatGPT 的行为是如何被塑造的,并公布改进计划:让用户获得更多定制空间,同时在这些决策上引入更多公众意见。
Hugging Face 多模态学习团队发布伦理章程,将伦理原则正式纳入机器学习研究生命周期。章程明确了内容政策,禁止暴力、歧视、侵犯隐私、生成虚假信息及在医疗、法律等高风险领域的不谨慎使用,并提出透明、开放可复现、公平、自我批判和尊重署名五项价值观。该文件由多模态团队联合伦理运营、数据治理和隐私专家讨论形成,截至 2022 年 5 月仍在完善中,更新将通过 GitHub 追踪。
Hugging Face 博客发布“机器学习总监洞察”系列第二部分,聚焦 SaaS 领域,采访了 Salesforce 的 Omar Rahman 和 Amplitude 的 Cao (Danica) Xiao 等机器学习负责人。
OpenAI 探讨在优化难以或高成本度量的目标时,如何应对 Goodhart 定律——"当一个度量成为目标,它就不再是好的度量"。该定律源自经济学,OpenAI 在训练中需直面这一挑战。