AI 编程实时动态与要闻

Springer Nature 与 Google DeepMind 合作共建 AI 审稿助手:基于 Gemini 与开源 ADK,原型已在测试,人类审稿人仍做最终判断

全球最大学术出版商之一 Springer Nature 10 月 26 日宣布与 Google DeepMind 建立研究合作,共同设计一款 AI 审稿助手。它基于 DeepMind 的前沿 Gemini 模型,并借鉴 Google 此前的智能体科研工具 ScholarPeer 和 Deep Review,帮助审稿人梳理稿件、分析大量文字、图表和插图,并标出可能需要重点核查的部分。系统用 Google 开源的 Agent Development Kit(ADK)搭建,只运行在 Springer Nature 私有的 Gemini Enterprise 环境里,稿件内容不出其安全环境。原型正在测试,官方强调「人类优先、AI 其次」,没有公布上线时间或效果数据。

Springer Nature 与 Google DeepMind 合作共建 AI 审稿助手:基于 Gemini 与开源 ADK,原型已在测试,人类审稿人仍做最终判断

核心要点速览

  • 合作双方:Springer Nature(出版期刊和图书数量最多的学术出版商)与 Google DeepMind,2026-10-26 在伦敦、柏林、纽约同步宣布(官方新闻稿)
  • 技术栈:Gemini 前沿模型 + Google 开源 Agent Development Kit(ADK),借鉴 ScholarPeer 和 Deep Review 两款智能体科研工具
  • 数据隔离:只运行在 Springer Nature 私有的 Gemini Enterprise 平台,作者和审稿人信息保密
  • 进度:原型测试中,官方未公布上线时间、覆盖期刊数量或任何准确率数据
  • 定位:辅助审稿人定位需要关注的部分,最终科学判断仍由人类专家做出
阅读全文

Google ADK Python 2.10.0:实验性 Skill 生命周期、MongoDB 向量/混合检索与评测耗时/Token 指标

Google 于 2026-09-25 发布 Agent Development Kit(ADK)Python v2.10.0(PyPI google-adk 2.10.0):实验性 Skill 生命周期(ADK_ENABLE_SKILL_LIFECYCLE=1)支持短暂生命周期与活跃 Skill 上限;新增 MongoDB toolset 做向量/混合检索;评测可追踪时长、Token 消耗与模型调用次数;OpenAI reasoning 模型自动适配请求参数并上报 reasoning token。BigQuery 受保护写模式与指令模板行为有破坏性收紧。

Google ADK Python 2.10.0:实验性 Skill 生命周期、MongoDB 向量/混合检索与评测耗时/Token 指标

核心要点速览

  • 发版:v2.10.0(2026-09-25);pip install google-adk==2.10.0(PyPI);文档 adk.dev / Skills / Evaluate
  • Skills(实验):设 ADK_ENABLE_SKILL_LIFECYCLE=1 启用短暂生命周期与活跃 Skill 上限,动态控资源与工具持久化
  • 数据:MongoDB toolset 支持智能体流内高性能向量/混合检索(见 Tools)
  • 评测:新增 duration / token / model-call 计数指标,便于压成本与延迟
  • 破坏性:BigQuery protected write 仅允许 dry-run 落在会话匿名数据集的非 SELECT;OpenAIResponsesLlm 忽略 thinking_config,改用 effort;无评测用例时 evaluate 改抛 ValueError
阅读全文
关联模型 / 智能体 / 厂商:

Google ADK Python 2.10.0:实验性 Skill 生命周期与上限,MongoDB 向量/混合检索,评测补齐时长/Token/调用次数

Google Agent Development Kit(ADK)Python 于 2026-09-25 发布 v2.10.0(changelog 标 2026-09-24):实验性 Skill 生命周期(EPHEMERAL、active-skill 上限、unload_skill,需 ADK_ENABLE_SKILL_LIFECYCLE=1)、MongoDB toolset 向量/混合检索、评测新增 duration/token/model-call 效率指标,并强化 OpenAI reasoning 参数适配与 reasoning token 上报;PyPI google-adk 2.10.0 已同步。

Google ADK Python 2.10.0:实验性 Skill 生命周期与上限,MongoDB 向量/混合检索,评测补齐时长/Token/调用次数

核心要点速览

  • 发布:v2.10.0 同步 PyPI google-adk 2.10.0,文档 adk.dev
  • Skill(实验):ADK_ENABLE_SKILL_LIFECYCLE=1 开启 EPHEMERAL 单轮生命周期、active-skill 上限与 opt-in unload_skill;卸载后指令从后续请求剔除
  • 数据:新增 MongoDB toolset,支持向量检索与 hybrid search,嵌入 agent 流程内直接查库
  • 评测:ADK eval 新增 duration 效率指标,并上报 token 消耗与 model call counts,便于压成本与延迟
  • 模型:OpenAI reasoning 自动适配请求参数并上报 reasoning tokens;OpenAIResponsesLlm 忽略 thinking_config,改用 OpenAIGenerateContentConfig.effort;adk create 增加 gemini-3.8-flash
阅读全文
关联模型 / 智能体 / 厂商: