8 мая 2026

Google DeepMind опубликовал годовой отчёт о результатах AlphaEvolve — кодирующего агента для открытия алгоритмов на базе Gemini. Ключевые результаты: снижение ошибок секвенирования ДНК на 30% через оптимизацию DeepConsensus, снижение ошибок квантовых схем в 10 раз на процессоре Willow, рост достижимости расписаний энергосистем с 14% до 88%, улучшение прогнозирования рисков стихийных бедствий на 5% и снижение amplification при записи данных в Google Spanner на 20%. Среди коммерческих клиентов — Klarna (удвоение скорости обучения ML) и FM Logistic (рост эффективности маршрутизации на 10,4%).

Google DeepMind представляет интерактивный AI-воркбенч для совместных математических исследований (arXiv:2605.06651, 18 авторов), охватывающий генерацию идей, поиск литературы, вычислительное исследование, доказательство теорем и построение теорий в виде асинхронного рабочего пространства, отслеживающего неопределённость и историю исследования. Система достигает 48% на FrontierMath Tier 4 — рекордный показатель на момент подачи — и демонстрирует практическую полезность при решении открытых задач и открытии новых исследовательских направлений.

Опубликованное в блоге Alignment Science компании Anthropic исследование показывает, что обучение AI-систем понимать собственную спецификацию модели улучшает обобщение alignment-обучения на новые ситуации. Модели, интернализирующие свою спецификацию, лучше обобщают примеры alignment на случаи out-of-distribution, что свидетельствует о том, что явное нормативное самопознание служит каркасом для обобщения.