From games to biology and beyond: 10 years of AlphaGo’s impact★ 75
Google DeepMind Blog85d agoCommentary2016 年 AlphaGo 歷史性擊敗圍棋世界冠軍李世乭，開啟了現代 AI 的新紀元。十年過去，Google DeepMind 回顧這項技術如何演變，從 AlphaZero、MuZero 到徹底改變生物學的 AlphaFold。AlphaGo 奠定的強化學習與搜尋演算法，如今正持續加速材料科學、核融合及氣象預測等科學突破，成為邁向 AGI 的關鍵基石。
Advanced version of Gemini with Deep Think officially achieves gold-medal standard at the International Mathematical Olympiad★ 90
Google DeepMind Blog221d agoReleaseGoogle DeepMind 宣布，搭載全新「Deep Think」思考技術的進階版 Gemini 模型，在國際奧林匹亞數學競賽（IMO）的測試中正式達到了金牌得主的水準。這項突破展示了 AI 在處理極具挑戰性的代數、組合數學、幾何和數論等複雜推理問題上的巨大進步。此成果不僅是 AI 數學推理能力的里程碑，也代表著強化學習與系統化思考（System 2 thinking）在大型語言模型上的成功應用。
Bringing AI to the next generation of fusion energy★ 75
Google DeepMind Blog221d agoBusinessGoogle DeepMind 宣布與麻省理工學院衍生企業 Commonwealth Fusion Systems (CFS) 展開合作。雙方將結合 DeepMind 的強化學習（RL）與 AI 模擬技術，以及 CFS 的高磁場托卡馬克裝置 SPARC，共同解決核融合反應爐中超高溫電漿控制的難題，加速商業化核融合能源的到來。
[AINews] OpenAI o3, o4-mini, and Codex CLI★ 90
TLDR AI (Buttondown)411d agoReleaseOpenAI 正式發表新一代推理模型 o3 與 o4-mini，強調透過 10 倍強化學習（RL）算力提升推理效率。o4-mini 不僅價格更便宜，在多項指標、視覺與工具調用能力上皆有顯著進步。此外，OpenAI 還驚喜推出了完全開源的終端機 AI 工具 Codex CLI，直接對標 Anthropic 的 Claude Code。
Open-R1: Update #1★ 85
Hugging Face Blog485d agoReleaseHugging Face 發表 Open-R1 專案的第一階段更新，旨在完全開源重現 DeepSeek-R1。團隊目前專注於利用 TRL 庫中的 GRPO 演算法進行強化學習訓練，並已釋出初步的訓練配方、資料集與評估結果。報告中也探討了推理模型訓練中常見的「獎勵作弊（Reward Hacking）」與格式控制等技術挑戰。