从 AlphaGo、AlphaZero 、MuZero 到 AlphaCode、AlphaTensor，再到最近的 Gemini 和 AlphaProof，Julian Schrittwieser 的工作成果似乎比他的名字更广为人知。
Janus 是 DeepSeek AI 开发的一个先进的多模态理解和生成框架，它通过创新性地解耦视觉编码路径来应对多模态理解和生成任务之间的需求冲突。
AI裁判通过反馈生成更公正报告，接近共识。
2024年诺贝尔物理学奖和诺贝尔化学奖于10月揭晓，获奖者分别为美国科学家约翰·J·霍普菲尔德（John J.Hopfield）与英国科学家杰弗里·E·辛顿（Geoffrey E.Hinton），以及美国生物化学家大卫·贝克（David Baker）和谷歌旗下DeepMind公司AI科学家德米斯·哈萨比斯（Demis Hassabis）和约翰·江珀（John M.Jumper）。
尽管生成式人工智能（AI）正在改变全球内容生产的格局，但诸多严峻挑战也随之而来：如何准确识别由 AI 生成的内容并防止其被滥用，尤其是在文本生成领域，已成为困扰越来越多人的一大难题。
今年的诺奖将物理和化学两个领域的奖项都颁给了AI成果，这究竟代表着怎样的含义，又会产生怎样的影响？Demis Hassabis在本次专访中提出了自己的见解。
现如今，大型语言模型（LLM）生成的内容已经充斥了整个互联网，并且这些模型还能模仿各种类似真人的语气和行文风格，让人难以分辨眼前的文本究竟来自人类还是 AI。
我们提出了 Janus，一种基于自回归的多模态理解与生成统一模型。
最近，DeepMind 今年 2 月份的一篇论文在社交媒体上掀起了一些波澜。
新晋诺贝尔化学奖得主、DeepMind创始人哈萨比斯的最新访谈来了～
