#DeepMind

Google 联合斯坦福、牛津等机构推出视频智能体 StreamVibe，能理解“遇到困难就帮我”这类模糊请求，并自行判断何时出声。

团队构建了约 4100 个样本、超 183 小时日常与软件录屏的基准，覆盖明确指令、模糊目标和中途变更请求三阶段。StreamVibe-VL 疑似基于阿里 Qwen3.5-9B，经强化学习训练得更克制，另配独立记忆系统跟踪待办与已完成步骤。研究称其响应时机与质量提升 10.7%，记忆系统使主动交互再提升 12.3% 并减少不必要打断，但 Google 自家 Gemini 3.8 Flash 在多项测试中得分更高。

Anthropic 一位招聘经理宣布停止在招聘中使用传统编程面试，理由是 Claude 在 React 挑战和汇编问答上均已超过人类，而最有影响力的构建者并不依赖这类测试成绩。

他给初级工程师的建议包括：以业务影响而非任务积压为导向、提出能显著改善组织目标的激进想法、用一个周末做出可运行原型绕过 PRD 与排期流程、只聚焦一个好点子、并利用自身对用户的新鲜同理心。

前 DeepMind 研究员 Thore Graepel 创办 Metis Reasoning，主张用 AlphaGo 的搜索思路解决大模型幻觉问题，并在 Nvidia GTC 柏林站介绍了这一方案。

其白皮书提出用显式“知识账本”替代固化在模型权重中的知识，记录已知内容、置信度和未解问题，由独立模块用计算、形式化证明或实证证据核验新条目，假设失效时重新评估依赖它的结论。系统像 AlphaGo 一样用两个神经网络提出和评估“走法”，但无法覆盖验证规则，最终给出答案或有理由的弃答。Metis 称该方案可减少幻觉、提供带来源引用的解释，并支持不重新训练就修改或删除知识，也利于在边缘设备和机器人上运行小模型。

Google DeepMind 的 AlphaProof Nexus 自主解出多个开放数学问题，相关研究发表在 Science 上。

它攻克了 353 个 Erdős 开放问题中的 9 个，其中两个已悬置 56 年，还证明了 OEIS 整数序列数据库中的 44 个猜想、解决代数几何中的一个开放问题，并改进了 min-max 优化中的一个已知界。