Google stellt Untersuchungen vor, in denen sein Ortsdatenmodell PDFM bestehende Verfahren für fünf Aufgaben der öffentlichen Gesundheit ergänzt. Das Modell fasst unter anderem Suchtrends。
Grund für die Empfehlung: Die fünf Untersuchungen zeigen, bei welchen Gesundheitsprognosen Ortsdaten bestehende Modelle ergänzen und wo ihr Zusatznutzen ausbleibt.
Eine noch ungeprüfte Preprint-Studie des IMDEA Networks Institute untersucht die Datenweitergabe bei neun KI-Anbietern。
Google Research veröffentlicht einen Workshopbericht über Datenschutz und Sicherheit bei KI-Agenten。
Import AI 475 beleuchtet, wann KI-Agentenschwärme Zeit sparen。
Google stellt ein auf Trusted Execution Environments gestütztes System für föderiertes Lernen vor。
Google DeepMind stellt SynthID Bio vor, ein Verfahren zur Markierung KI-generierter Proteinsequenzen und vorhergesagter 3D-Strukturen. Labortests mit Proteinbindern für drei Zielproteine zeigten laut Unternehmen vergleichbare Bindungswerte wie bei Entwürfen ohne Markierung. Methodenpapier, Code und In-vitro-Daten werden veröffentlicht; Modellgewichte stellt das Unternehmen der Forschungsgemeinschaft bereit.
Grund für die Empfehlung: Die Markierung bleibt laut Labortests auch im hergestellten Protein nachweisbar. Das macht den Ansatz für die Prüfung synthetischer Entwürfe relevant.
Google Research stellt Diffusion Controller als Rahmenwerk vor。
Google Research stellt vier Forschungsansätze für die automatische Erzeugung längerer。
NVIDIA und Forschungspartner haben vorhergesagte 3D-Strukturen von Proteinkomplexen aus mehr als 2.800 Viren in der AlphaFold Database veröffentlicht. Die Vorhersagen entstanden mit AlphaFold2 und einer mit NVIDIA BioNeMo optimierten Verarbeitung; NVIDIA veröffentlicht auch die BioNeMo Structure Prediction Pipeline. Rund 30% der hinzugefügten Proteininteraktionen sind laut Beitrag in der Protein Data Bank bislang nicht dokumentiert.
Grund für die Empfehlung: Die frei zugänglichen Strukturvorhersagen und die veröffentlichte Pipeline bieten Forschenden eine Grundlage, um Proteininteraktionen bislang wenig untersuchter Viren gezielter zu untersuchen.
Google Research stellt MilleMiglia vor, einen C++-Generator für realistische Testfälle zur Optimierung von Transporten zwischen Verteilzentren. Er bildet unter anderem Umladungen und zeitliche Anschlüsse ab, ohne sensible Unternehmensdaten offenzulegen. Quellcode und Dokumentation sind auf GitHub verfügbar.
Google Research stellt ein Experiment vor, mit dem Lehrkräfte interaktive Lernsimulationen passend zu ihren Lernzielen erstellen können. Eine englischsprachige Sammlung umfasst über 30 KI-generierte und von Lehrkräften geprüfte Simulationen für MINT-Fächer. Schulen mit Google Workspace for Education können sich für ein Pilotprogramm anmelden; in einer ersten US-Studie bewerteten 12 Lehrkräfte die Qualität der Simulationen im Durchschnitt mit 8 von 10 Punkten.
Google Research beschreibt mit Retrieve-for-Train ein Verfahren。
Google Research stellt mit ToolGrad ein Verfahren vor。
Google DeepMind stellt AlphaGenome Atlas vor, eine Plattform mit Vorhersagen zu den molekularen Folgen von 9 Milliarden möglichen Einzelbuchstabenänderungen im menschlichen Genom. Forschende können Varianten mit dem AVI-Wert priorisieren und die vorhergesagten Effekte über ein kostenloses Webportal untersuchen. AlphaGenome ist nicht für die klinische Nutzung validiert oder zugelassen.
Grund für die Empfehlung: Der Atlas verbindet vorab berechnete Variantenfolgen mit einem Wert zur Priorisierung und Angaben zu den betroffenen molekularen Prozessen. Das kann die Auswahl von Varianten für gezielte Forschung erleichtern.
Import AI 472 behandelt eine DeepMind-Studie über schummelnde Mathematik-Agenten。
Import AI 470 behandelt Maschinenrechte, die automatische Erzeugung von Trainingsumgebungen mit SPADE und bessere GPU-Kernels mit Hawkeye. Eine METR-Analyse sieht starke Beschleunigung bei der Suche nach Sicherheitslücken, geringere Effekte in der Mathematik und keine messbare Beschleunigung der KI-Forschung. SPADE verbessert in Spielumgebungen den Durchschnittswert von Qwen3-30B-A3B-Instruct-2507 auf 58.3.