8月20日，Gemini 產(chǎn)品負責(zé)人 Tulsee Doshi與Google DeepMind 杰出研究員 Madhavi Sewak 共同接受了海外播客 Superhuman AI 主持人 Hassan 的專訪。本次對話探討了Gemini 模型系列的最新進展及其在現(xiàn)實世界中的應(yīng)用，包括 Gemini 2.5 Pro 與 2.5 Flash 在構(gòu)建 AI Agent 時的協(xié)同策略，“提示工程”到“上下文工程”的范式轉(zhuǎn)變，國際數(shù)學(xué)奧林匹克競賽（IMO）的勝利對模型通用推理能力的意義，AI 時代下創(chuàng)造力與“品味”等新必備技能的崛起，以及 Google 內(nèi)部產(chǎn)品與工程團隊的高效協(xié)作模式。

Madhavi Sewak 提出，利用像2.5 Pro這樣強大的模型進行頂層規(guī)劃，再由 2.5 Flash等輕量級模型驅(qū)動的子代理執(zhí)行具體任務(wù)，是構(gòu)建高效 AI Agent 的有效方法。雙方一致認為如何讓 AI Agent 有效維持和利用上下文與記憶，是整個行業(yè)面臨的、尚未被攻克的關(guān)鍵難題。隨著百萬級上下文窗口的出現(xiàn)，關(guān)鍵技能正從“提示工程”轉(zhuǎn)向“上下文工程”。大語言模型約每三個月就有一次迭代，未來的技術(shù)棧必須具備極高的靈活性，以適應(yīng)這種驚人的發(fā)展速度。Tulsee Doshi認為，現(xiàn)有的 AI 基準測試很快會被模型的能力“刷爆”，行業(yè)需要持續(xù)革新評估方法，轉(zhuǎn)向更能衡量綜合、主觀能力的體系，如模型行為和個性化。

01

Gemini 的開發(fā)者機遇

如果我是一名正在創(chuàng)建 AI Agent 公司的開發(fā)者，關(guān)于 Gemini 和 DeepMind，我應(yīng)該關(guān)注哪些方面？你們是否發(fā)布過相關(guān)的論文或博客，來幫助開發(fā)者學(xué)習(xí)如何為 Gemini 系列模型編寫提示的最佳實踐？

Tulsee Doshi:我先說幾點，然后請 Madhavi 補充。我認為有兩點值得關(guān)注。首先，最核心的亮點是 Gemini 2.5 。我們?yōu)?Gemini 2.5 在構(gòu)建 AI Agent 產(chǎn)品和應(yīng)用場景方面的能力感到非常自豪。這主要體現(xiàn)在幾個關(guān)鍵方面。第一是核心能力。例如，Gemini 在代碼方面的性能，它能夠顯著提升代碼生成的質(zhì)量。我們看到，無論是將模型用于集成開發(fā)環(huán)境，還是用于構(gòu)建端到端的應(yīng)用程序，開發(fā)者們都對此反響熱烈。

我們也看到，大家對使用 2.5 Flash這樣的模型也表現(xiàn)出極大的興趣。這是一款更小、成本更低的輕量級模型，但你可以用它來運行一系列子代理，然后將它們整合起來完成更大規(guī)模的任務(wù)。這種能力很好地平衡了成本與質(zhì)量，從而讓你在保證模型質(zhì)量的同時，能夠?qū)崿F(xiàn)更多的功能。另外一個非常重要的方面是多模態(tài)能力。Gemini 的一個突出優(yōu)勢是其卓越的圖像和視頻理解能力，因此在屏幕理解等任務(wù)上表現(xiàn)非常出色。當(dāng)你構(gòu)想 AI Agent 的未來時，你希望有一個專家能如影隨形，實時看到你所見的，并據(jù)此采取行動。因此，我認為這個發(fā)展方向也極具潛力。

Madhavi Sewak:在 Tulsee 的基礎(chǔ)上補充一點，一個對我們非常有效的方法是：使用像2.5 Pro這樣強大的大語言模型來制定計劃，然后像 Tulsee 剛才提到的，由基于 2.5 Flash或 Pro 的較小規(guī)模的 AI Agent 來執(zhí)行這些計劃。這讓上下文工程變得格外重要。過去大家普遍認為，要獲得出色的 AI Agent 性能，就需要對模型進行微調(diào)。但正如我們在整個行業(yè)中所觀察到的，無論是我們自己還是競爭對手，現(xiàn)在通過提示模型，并在上下文中傳遞正確的信息，無論是瀏覽器控件信息、API 調(diào)用，還是用戶個人信息，只要你清晰地定義了任務(wù)目標，所有這些信息都能幫助你構(gòu)建一個非常出色的 AI Agent。我們合作的許多公司以及我們內(nèi)部團隊都發(fā)現(xiàn)，這種方法的表現(xiàn)非常出色。

Tulsee Doshi:順著這一點來說，很有意思的是，你提供的指令確實能帶來天壤之別的結(jié)果。因此，我們自身以及與開發(fā)者的合作中都在不斷學(xué)習(xí)：如何更好地向 Gemini 提供指令。這是一項我們和開發(fā)者都需要不斷精進的技能，而且不同模型適用不同指令。所以，這也是我們希望與開發(fā)者社區(qū)繼續(xù)共同探索和合作的領(lǐng)域。

（關(guān)于為 Gemini 編寫提示的最佳實踐）我們確實提供了一些官方文檔，我稍后很樂意分享給你。而且我們認為這是一個需要持續(xù)投入的領(lǐng)域。分享實例也至關(guān)重要。因此，在 GitHub 等平臺上，我們通過像 Gemini cookbook 這樣的項目，努力提供豐富的示例，展示用 Gemini 能做什么、能構(gòu)建什么，以及我們自己構(gòu)建了哪些應(yīng)用。這些都可以成為開發(fā)者們參考和借鑒的指南，我認為這非常有幫助。

02

普通用戶的Gemini 多元玩法

假設(shè)我是一個不訪問 API 的普通用戶，你們觀察到普通用戶利用 Gemini 應(yīng)用解決日常問題有哪些令人驚艷的場景？

Madhavi Sewak:關(guān)于 Gemini 應(yīng)用的用例，在我回答這個問題之前，請允許我先補充一下剛才關(guān)于開發(fā)者的問題。目前有一種非常流行且對 Gemini 系列模型特別有效的方法論，叫做 RASCEF 框架，即：角色 (Role) 、行動 (Action) 、步驟 (Steps) 、上下文 (Context) 、示例 (Examples) 和格式 (Format) 。只要遵循這個框架，Gemini 的性能會得到極大提升。強烈建議大家試試。

至于應(yīng)用場景，坦白說，提示工程本身的方法正在趨于統(tǒng)一，我認為大家應(yīng)該把更多的注意力轉(zhuǎn)移到上下文工程上。這個領(lǐng)域已經(jīng)有一些非常出色的論文發(fā)表了，后續(xù)我可以分享給大家。說到底，這更像一門藝術(shù)，需要自己動手去嘗試，才能發(fā)現(xiàn)它的有效之處。

說到 Gemini 應(yīng)用的用例，我個人最喜歡的一個是用圖片生成視頻，做得越搞怪越好玩越好，然后發(fā)給我所有親近的人。

Tulsee Doshi:那個真的很棒。你經(jīng)常會在周日早上突然收到 Madhavi 的消息，她會說：“看我做了個這個?！?/p>

Madhavi Sewak:然后視頻里的 Tulsee 就在跳著全套的寶萊塢舞蹈，中間還換了六套服裝。 我們在角色一致性方面做得越來越好，所以視頻里跳著寶萊塢舞的 Tulsee，看起來真的很像 Tulsee 本人。在我看來，這非常棒。而且這對創(chuàng)作者來說也極其有用，創(chuàng)作者們就喜歡這類應(yīng)用場景。這充滿了創(chuàng)造力。我認為，通過 Veo3 這類技術(shù)，我們正在進入一個新階段，在 Gemini 應(yīng)用里進行創(chuàng)意表達正變得前所未有的有趣，這太酷了。

Tulsee Doshi:除此之外，我個人一直非常喜歡的兩個應(yīng)用是“深度研究” 和 “Canvas”。我認為這兩項功能很好地展示了2.5 Pro的強大能力。我一直在用 Canvas 創(chuàng)造各種有趣的實例，甚至包括和朋友們舉辦游戲之夜。我們現(xiàn)在形成了一個慣例：用 Canvas 來創(chuàng)建互動的《Jeopardy》問答游戲板，比如舉辦一場寶萊塢主題或哈利波特主題的知識問答之夜，生成一個互動游戲板，和朋友們一起玩。

這更能說明一點：Gemini 能夠?qū)⒑Ａ康氖澜缰R、強大的推理能力與像 Canvas 或視頻生成這樣的創(chuàng)意功能完美結(jié)合。因此，你現(xiàn)在可以做一些非常有趣的事情，你可以引入任何你擁有的關(guān)于世界的上下文信息，然后通過代碼將其轉(zhuǎn)化為豐富的互動體驗?！吧疃妊芯俊惫δ軇t能讓你在此基礎(chǔ)上更進一步，用于撰寫研究報告和進行更深度的推理分析。

03

IMO 的勝利是模型通用推理能力的強信號

最近 Google 的模型在國際數(shù)學(xué)奧林匹克競賽 (IMO) 中取得了勝利，從開發(fā)者的角度看，我們應(yīng)該在多大程度上關(guān)注這類基準測試的成績，或者說更應(yīng)關(guān)注哪些方面？

Tulsee Doshi:在公司內(nèi)部，我們經(jīng)常討論的一個話題就是：像 IMO 這樣的基準測試成績，如何轉(zhuǎn)化為在現(xiàn)實世界中的實際性能？令我印象非常深刻的一點是，在 IMO 上的卓越表現(xiàn)，其實是模型通用推理能力的一個極強信號。而這種推理能力是可以跨領(lǐng)域遷移的。所以，你看到模型在數(shù)學(xué)上表現(xiàn)出色，但實際上，這意味著它在可驗證推理 (verifiable reasoning) 、邏輯、問題解決和證明等多個方面都取得了進步。這些進步可以直接體現(xiàn)在代碼性能和研究性能上。事實上我們發(fā)現(xiàn)，獲得 IMO 金牌的模型在其他領(lǐng)域也同樣表現(xiàn)優(yōu)異。因此，推理能力的這種通用性和可遷移性，正是我們對這些勝利感到如此興奮的部分原因。當(dāng)然，還有一個事實是，我們能夠推動這些技術(shù)前沿，也意味著我們可以成為數(shù)學(xué)研究領(lǐng)域更好的合作伙伴，這一點也讓我們非常振奮。

Madhavi Sewak:接著數(shù)學(xué)研究的話題再補充一點，我們目前正在嘗試攻克一個尚未解決的千禧年大獎難題，這完全是純粹的推理能力的體現(xiàn)。另一方面，我們也與云部門的企業(yè)客戶緊密合作。比如，像 AI 摘要或翻譯這類應(yīng)用場景，即便是 2.5 Flash這樣輕量級的模型系列也能完成得非常出色，并且這類應(yīng)用正變得越來越普及。我們會確保從這些企業(yè)客戶那里獲得大量反饋，以便持續(xù)地引導(dǎo)和優(yōu)化模型在這些真實世界場景中的表現(xiàn)。所以我認為，我們的策略是二者的結(jié)合：既要攀登理論研究的高峰，也要立足于實際應(yīng)用。

04

一年內(nèi)模型將擁有巨大的上下文窗口

當(dāng)模型被用于 AI Agent 產(chǎn)品時，如何評估、理解并控制其行為軌跡至關(guān)重要。Google 和 DeepMind 是否正在為開發(fā)者簡化這方面的工作？未來幾個月上下文窗口會達到 200 萬 Token 嗎？

Madhavi Sewak:是的。首先，簡短的回答是肯定的。我們希望提供工具來簡化這個過程嗎？是的。我們希望將我們所有的評估體系都轉(zhuǎn)向以 AI Agent 為核心嗎？并且開始衡量由不同大小的模型進行規(guī)劃和執(zhí)行所構(gòu)成的整個系統(tǒng)的真實世界性能嗎？是的。同時我們也要研究，例如，哪些信息會污染上下文，哪些不會。舉個例子，我們有時發(fā)現(xiàn)，瀏覽器控件會產(chǎn)生大量雜亂的日志，這會嚴重干擾 AI Agent 的判斷。在這種情況下，你可以讓一個子代理去處理。但反過來，當(dāng)用戶與你對話時，如果將這些對話上下文直接提供給 AI Agent，模型的表現(xiàn)就會非常好，因為這對模型來說是極有價值的信息。

而且，隨著 Gemini 2.5 超長上下文窗口的出現(xiàn)，我們支持一百萬Token。但我們已經(jīng)具備了這個能力，并且未來某個時候也會支持兩百萬 Token。有了這個能力，上下文處理會變得越來越簡單。所以讓我們展望一下六個月甚至一年后的世界，屆時我們將擁有巨大的上下文窗口，所有這些上下文工程都會變得越來越容易。但我認為，對開發(fā)者來說，最重要的事情就是，要為未來的模型而構(gòu)建。因為如果你今天開始開發(fā)，三個月后產(chǎn)品進入市場時，你面對的將是完全不同的一套模型能力。如果你的架構(gòu)不夠靈活，你就已經(jīng)落后了。想到軟件工程已經(jīng)發(fā)展到這個地地步，感覺有些不可思議。但總而言之，我們正在解決這個問題，并且會提供相應(yīng)的工具。在 Google，我們承認我們應(yīng)該在這個領(lǐng)域提供更好的解決方案，并且我們正在為此努力。

Tulsee Doshi:長上下文真正激動人心的一點在于，即便只看我們現(xiàn)有的能力，我們也能幫助模型學(xué)到更多，并讓其在執(zhí)行任務(wù)路徑時變得更加動態(tài)。這是我們希望繼續(xù)深入探索的領(lǐng)域。

另外，正如你剛才提到的，未來的應(yīng)用場景本身也在日新月異——我所說的“未來”，甚至可能就是指一個月之后。因此，我們一直在做的一件事，就是不斷調(diào)整我們的評估體系來跟上這種變化，去測試新的用戶旅程和新的實現(xiàn)方法。這其中也包括打造一些原型產(chǎn)品，以便我們進行測試和學(xué)習(xí)。所以，大家看到的 Mariner、Astra 等項目，其實也是我們在嘗試和測試不同類型的 AI Agent 工作流，從而了解用戶真正在哪些方面感受到了價值，并通過這些學(xué)習(xí)反過來讓模型變得更強。

（關(guān)于 200 萬 Token 上下文窗口）我認為這個問題亟待解決，事實上，我們之前就已經(jīng)發(fā)布了 200 萬 Token 的上下文窗口。我們不僅有支持該功能的模型，也已經(jīng)有客戶在實際案例中利用它了。我認為，我們當(dāng)前工作的重點是要權(quán)衡并理解這 200 萬 Token 上下文窗口的價值，明確哪些用戶需要它，以及如何以規(guī)?；姆绞竭M行發(fā)布。這正是我們目前在做的工作。

Madhavi Sewak:這個領(lǐng)域也有相關(guān)的外部論文。其中一篇提到了一種叫做“反思式提示進化”的方法。這是一種遺傳式的提示進化方法，本質(zhì)上完全通過提示工程實現(xiàn)，并且在某些場景下，其性能甚至超越了強化學(xué)習(xí)。具體來說，這個 GPA 系統(tǒng)會利用推理、工具調(diào)用和工具輸出的結(jié)果，以自然語言的方式反思哪些環(huán)節(jié)成功、哪些失敗，從而診斷問題。然后，它會采用多個提示作為“父代”，通過結(jié)合它們的優(yōu)點，衍生出新的“子代”提示。經(jīng)過大約 25 輪迭代后，這些新一代提示的性能甚至?xí)?yōu)于強化學(xué)習(xí)。所有這些都可以在上下文工程的范疇內(nèi)完成，你完全不需要對模型進行任何微調(diào)。你現(xiàn)在就可以用2.5 Pro模型，通過這種方法獲得非常出色的性能。因此，如果你想利用當(dāng)今的模型來開發(fā)非常先進的 AI Agent 系統(tǒng)，我強烈推薦你嘗試一下。

05

AI 時代的新必備技能

當(dāng) AI 越來越多地承擔(dān)技術(shù)執(zhí)行層面的工作時，在你們看來，什么才是新的必備技能？

Madhavi Sewak:我認為創(chuàng)造力將是未來的關(guān)鍵技能之一。過去，你可能有很多絕妙的想法，但苦于無法實現(xiàn)。而現(xiàn)在，當(dāng)技術(shù)實現(xiàn)變得越來越容易時，我非常期待看到人類能迸發(fā)出怎樣的創(chuàng)造力，來全面地改善我們的生活。

Tulsee Doshi:Madhavi 和我經(jīng)常討論一個詞——“品味”。在當(dāng)下的新環(huán)境中，這是一個非常有趣的詞。尤其從產(chǎn)品經(jīng)理的角度來看，過去產(chǎn)品經(jīng)理的角色很大程度上是撰寫產(chǎn)品需求文檔 (PRD)，用長篇大論的文字來描述你想要構(gòu)建的產(chǎn)品。但現(xiàn)在，產(chǎn)品經(jīng)理可以非常迅速地構(gòu)建出產(chǎn)品原型。因此，對于“什么是好的 PRD”的定義也發(fā)生了變化。在某種程度上，現(xiàn)在評估指標就是新的 PRD，產(chǎn)品原型就是新的 PRD。能夠清晰有效地傳達你的愿景，成了一項新技能。所以，我認為這不僅關(guān)乎創(chuàng)造力，更關(guān)乎如何將創(chuàng)造力有效地傳達出去。

所以，我認為這可以歸結(jié)為三項核心技能。首先是創(chuàng)造力，其次是溝通能力。最后，就是戰(zhàn)略能力。我們需要工程領(lǐng)域的領(lǐng)導(dǎo)者來幫助我們設(shè)計整體架構(gòu)，并將所有部分整合起來；同時，他們還需要從戰(zhàn)略高度判斷何時以及如何有效地利用 AI。因此，這種綜合知識將持續(xù)保持其重要性。我們希望 AI 系統(tǒng)能成為工程師的得力伙伴，這就需要我們的工程師們深入理解并精準把握何時應(yīng)該有效利用 AI、何時需要對 AI 的結(jié)果進行有效驗證，具備這種判斷力和細致的洞察力將至關(guān)重要。

Madhavi Sewak:正如 Tulsee 所說，那些公司傳統(tǒng)上雇傭的首席架構(gòu)師等高級技術(shù)人員，確實需要更新他們對技術(shù)架構(gòu)的理解，轉(zhuǎn)向以大語言模型為中心。大語言模型正在改變整個技術(shù)棧，從模型服務(wù)、用戶上下文的傳遞方式，到如何在技術(shù)棧上實現(xiàn)快速迭代，無一例外。過去那些龐大的單體系統(tǒng)，可能只有少數(shù)行業(yè)頂尖專家才能完全掌握，但很快，人人都能理解它們。因此，你如何能讓自己的技術(shù)棧變得極其靈活，并能跟上新模型每三個月就更新一次的迭代速度？所以，我非常贊同 Tulsee 的觀點：確保技術(shù)架構(gòu)和公司戰(zhàn)略能夠跟上大語言模型本身及其驚人的發(fā)展速度，這一點至關(guān)重要。

06

產(chǎn)品與工程的協(xié)作之道

一位產(chǎn)品負責(zé)人和一位工程負責(zé)人是如何協(xié)作的？你們?nèi)绾螀f(xié)調(diào)優(yōu)先級，尤其是在推動前沿研究突破和滿足當(dāng)前產(chǎn)品需求之間？

Tulsee Doshi:首先，持續(xù)的溝通是我們當(dāng)前運作模式的基礎(chǔ)。但回到你關(guān)于如何確定優(yōu)先級的問題，我認為一個良好的產(chǎn)品與工程合作關(guān)系的關(guān)鍵在于，你們必須真正地像一個伙伴團隊一樣去工作。如果你們的工作模式是“產(chǎn)品團隊去制定一份路線圖，然后拿回來給工程團隊執(zhí)行”，那幾乎必然會導(dǎo)致雙方的脫節(jié)。因為優(yōu)秀的工程和研究負責(zé)人同樣具備出色的產(chǎn)品嗅覺，而優(yōu)秀的產(chǎn)品負責(zé)人也深諳技術(shù)。所以，雙方必須真正理解彼此的限制條件，才能共同規(guī)劃前進的方向。以 Gemini 為例，我們制定優(yōu)先級時，通常會結(jié)合兩個方面的信息。一方面是響應(yīng)用戶需求，我們會進行用戶研究，了解橫跨我們各項產(chǎn)品的用戶需求，并分析開發(fā)者和核心客戶的反饋，找出他們遇到的問題。通過這個過程，我們會明確當(dāng)前在代碼能力、工具使用等方面最大的短板，或是導(dǎo)致用戶轉(zhuǎn)向競爭對手的關(guān)鍵差距。這是第一部分。但另一方面，我們也要驅(qū)動創(chuàng)新。我們不能僅僅跟隨用戶的反饋，更要向前看，去思考“三年后的世界會是怎樣？我們現(xiàn)在需要投資哪些關(guān)鍵領(lǐng)域？”這可能意味著投資長上下文技術(shù)、更好的音頻理解能力，或是卓越的視頻生成技術(shù)，這些我們認為能夠真正推動技術(shù)前沿的領(lǐng)域。通常來說，如果我們做得正確，我們的最終優(yōu)先級應(yīng)該是一個由這兩種思路構(gòu)成的、平衡的投資組合。

07

DeepMind 的研究成果如何體現(xiàn)在產(chǎn)品應(yīng)用上

DeepMind 在進行前沿 AI 研究，這種協(xié)作是如何進行的？DeepMind 的研究成果，是如何最終體現(xiàn)在全球數(shù)十億人使用的產(chǎn)品和應(yīng)用中的？

Tulsee Doshi:我們的定位是讓 Google DeepMind，特別是 Gemini，成為驅(qū)動整個 Google 的“引擎室”。如果我們成功，Gemini 就能像一顆種子，在公司內(nèi)部催生出各種令人驚嘆的創(chuàng)新體驗。這一點已經(jīng)開始在我們發(fā)布的產(chǎn)品中顯現(xiàn)。以搜索中的“AI 概覽”為例，就每日使用它來獲取有效信息和答案的用戶數(shù)量而言，它即便不是全球范圍內(nèi)，也是規(guī)模最大的生成式 AI 應(yīng)用之一。我們看到 Gemini 在不同的產(chǎn)品形態(tài)中發(fā)揮著作用，無論是在搜索場景里，還是在獨立的 Gemini App 中，亦或是在 Google Photos 里用 AI 來查詢照片內(nèi)容。我們希望 Gemini 能成為這個引擎的核心，并在此基礎(chǔ)上構(gòu)建能夠服務(wù)于所有產(chǎn)品的通用能力。因此，我們工作的核心就是，如何將從各個產(chǎn)品團隊收集到的紛繁多樣的用例需求，提煉成 Gemini 必須精通的核心基礎(chǔ)能力，從而有能力去驅(qū)動如此多樣化的用戶體驗。

Madhavi Sewak:我們與 Google DeepMind 的 CTO Koray 緊密合作，他最近也被任命為 Google 的首席 AI 架構(gòu)師。他的核心任務(wù)就是推動 AI 技術(shù)在 Google 各產(chǎn)品線中的落地和普及，尤其是從那些擁有數(shù)十億用戶的旗艦產(chǎn)品開始。這也是我目前工作的重點。在過去幾個月里，我參與的一個重要項目就是 AI mode。我們致力于將 Gemini 最精華的能力注入 AI mode，并快速交付給用戶，以滿足他們對信息的探索需求。這種探索體驗?zāi)軌蜃層脩簟吧钊胪米佣础?，進行層層遞進的挖掘式搜索。無論是通過常規(guī)的 AI mode，還是“深度研究”模式，它最終都能為你呈現(xiàn)一個關(guān)于某個主題的、非常全面有效的認知圖景。

我給你舉個例子。我最近在布置新家，需要買一大堆東西，但完全沒有時間。最后，我干脆直接問 AI mode，讓它幫我了解各種商品的特點,我把所有想問的問題都拋給了它，最后，我只需點擊 AI mode在回答中提供的內(nèi)聯(lián)鏈接，就直接跳轉(zhuǎn)過去完成了購買。這一次，我真的完全沒有上任何購物網(wǎng)站去做信息搜集。作為 AI mode的用戶，我感到非常滿意，因為它讓我能夠為這些日常家居用品的采購，做出非常明智的決策。

Tulsee Doshi:這其實也呼應(yīng)了 Google 搜索的使命——讓全世界的信息都觸手可及。Gemini 的角色，正是讓這一使命變得空前強大的新引擎。我們并不是在設(shè)定一個新目標，而是在延續(xù)我們一直以來的追求，那就是以最便捷、最有效、信息最豐富的方式，讓用戶獲取他們需要的信息。而 Gemini，正是在各個方面讓這一過程變得更加高效。

08

讓所有產(chǎn)品為用戶提供端到端的支持

未來，我們是否會看到 Google 的搜索產(chǎn)品演化出真正的 AI Agent 能力，從而完全自主地執(zhí)行端到端任務(wù)？未來會是一個具備 AI Agent 能力的 Chrome 瀏覽器，還是會更像 Gemini 這樣的獨立應(yīng)用？

Tulsee Doshi:我們的愿景是，讓所有產(chǎn)品最終都能為用戶提供端到端的支持，這無疑是我們前進的方向。至于關(guān)鍵在于要明確哪些端到端任務(wù)最值得我們?nèi)ブС?，以及如何最高效地實現(xiàn)它們。這需要我們和用戶共同進行實驗，深入到 Chrome、搜索和 App 等不同產(chǎn)品的實際場景中，與用戶合作來打造新體驗、收集反饋，并在此基礎(chǔ)上持續(xù)迭代優(yōu)化。我們需要厘清，例如，用戶在何種場景下獲取信息最便捷？哪些任務(wù)他們樂于委托給 AI，哪些又傾向于親力親為？在哪些環(huán)節(jié)他們需要人工驗證，哪些又可以完全信任地交由 AI 處理？我們對這些問題有一些初步假設(shè)，正在測試驗證，并將在未來幾個月持續(xù)迭代探索。

Madhavi Sewak:無論在 AI mode還是其他系統(tǒng)中，我們都與出版商生態(tài)系統(tǒng)緊密合作，他們是我們多年的合作伙伴。我們希望攜手他們共同發(fā)展，因為他們才是服務(wù)的最終提供方、購物網(wǎng)站的運營者以及數(shù)據(jù)的來源方。我們致力于確保用戶能通過我們找到最合適的網(wǎng)站，獲取所需信息，最終促進整個生態(tài)系統(tǒng)以這種方式良性運轉(zhuǎn)。

09

保持模型能力的通用性，同時打造整合的編程產(chǎn)品

編程是你們的戰(zhàn)略重點，你們是否考慮過推出一款專門為編程優(yōu)化的獨立模型，或者Google 是否會推出一個圍繞編程的整合性產(chǎn)品？

Madhavi Sewak:在模型層面，我們的理念是采取最合理的策略。只要一個通用模型的能力可以很好地泛化和遷移，并且在編程任務(wù)上依然表現(xiàn)卓越，我們就會持續(xù)投入。如果在某個階段，研究表明專用編程模型的性能遠超通用模型，我們必將考慮推出專門的編程模型。但到目前為止，我們在 DeepMind 的理念一直行之有效，那就是保持能力的通用性。模型的能力遠未飽和，其通用能力完全可以有效遷移。所以，目前我們依然堅持這一理念。

Tulsee Doshi:我認為這也能銜接上我們之前關(guān)于 IMO 模型和數(shù)學(xué)推理的討論。我們還有另一個假設(shè)：當(dāng)模型編程能力增強時，其推理能力也能遷移到其他領(lǐng)域；反之亦然，其他領(lǐng)域的推理和世界理解能力，同樣能遷移到編程上。因此，這兩者實際上相輔相成，有望共同打造出更優(yōu)質(zhì)的端到端體驗。這至少是我們目前探索的方向。當(dāng)然，正如 Madhavi 所言，我們在這方面的研究從未間斷，一旦有新跡象指向其他可能性，我們也會重新評估。不過就目前而言，我們對2.5 Pro的編程能力感到非常興奮，目標是繼續(xù)將這項能力推向新的高度。

Madhavi Sewak:Hassan，關(guān)于您問題的第二部分，Google 內(nèi)部也清楚地認識到，目前我們提供的編程類產(chǎn)品還比較零散，正在努力打造一個更整合、更出色的產(chǎn)品。與此同時，Gemini CLI 已經(jīng)非常成功。它在代碼理解、文件操作、命令執(zhí)行和動態(tài)排錯方面表現(xiàn)優(yōu)異，深受用戶喜愛。我們收到了大量積極反饋，它與2.5 Pro及整個 2.5 系列模型的結(jié)合效果也非常好。當(dāng)然，我們最近也迎來了 Codium 團隊的加入。坦白說，這個團隊不僅產(chǎn)品出色，其人才也讓我非常驚喜。我和 Tulsee 都與他們緊密合作，并堅信他們能打造出一套極其強大的工具。我們正在規(guī)劃如何將這些整合并推向市場。總而言之，我對 Google 目前在編程領(lǐng)域，無論從模型還是工具層面取得的進展，都感到非常滿意。

10

DeepMind 在全鏈路創(chuàng)新，從預(yù)訓(xùn)練、后訓(xùn)練到推理階段

DeepMind 最近在進行哪些有趣的研究？有哪些是您覺得特別激動人心、未來可能應(yīng)用于產(chǎn)品，并且現(xiàn)在可以公開分享的？

Tulsee Doshi:我想說，在 DeepMind 工作最棒的一點，就是這里產(chǎn)出的前沿研究。我們有大量的奠基性工作正在進行，涵蓋了從架構(gòu)到各個環(huán)節(jié)。非?？岬囊稽c是，我們能在實驗室內(nèi)看到從預(yù)訓(xùn)練、后訓(xùn)練到推理階段的全鏈路創(chuàng)新。我們團隊正在積極測試預(yù)訓(xùn)練階段的 Scaling Law 和強化學(xué)習(xí)領(lǐng)域的 Scaling Law，并在這兩方面都取得了研究創(chuàng)新。IMO 模型就是絕佳的例子，它展示了我們?nèi)绾螖U展強化學(xué)習(xí)的應(yīng)用，以及如何在推理階段突破能力的界限。強化學(xué)習(xí)是我們持續(xù)投入和創(chuàng)新的領(lǐng)域，因為我們堅信其巨大價值。同時，我們也在投資架構(gòu)改進，例如多模態(tài)領(lǐng)域，具體研究如何將不同模態(tài)在一個模型中高效結(jié)合，同時保證模型處理每種單一模態(tài)時依然表現(xiàn)出色。另一個重點是效率。作為 Google DeepMind 的一員，我為我們在研究上對效率的投入感到非常自豪。因為我們的最終目標，不只是提供一個性能強大但成本高昂的模型，而是提供一系列在不同規(guī)模和推理成本下都表現(xiàn)優(yōu)異的模型選項。這一點至關(guān)重要，我們在這方面的許多研究都非常有前景。我想在未來幾個月，大家會陸續(xù)看到這些成果落地。

Madhavi Sewak:補充一下，放眼整個DeepMind 而非僅限于 Gemini，我們在科學(xué)、數(shù)學(xué)乃至 AI Agent 領(lǐng)域的工作都取得了豐碩成果。許多研究都源自這些不同方向，例如我們不久前才獲得了諾貝爾化學(xué)獎。因此，我個人非?？春?DeepMind 各個研究方向的前景。我們現(xiàn)在的任務(wù)，就是思考如何將這些研究成果，通過 Gemini 系列模型以及 Google 整個產(chǎn)品矩陣，以對用戶最高效的方式融入產(chǎn)品。我對我們正在進行的研究充滿信心。

11

關(guān)注模型“軟”實力，以及更高效的推理范式

在 AI 公開研究領(lǐng)域，最近幾個月有哪些普通人可能不太關(guān)注，但實際上非常重要的進展？

Madhavi Sewak:我可以分享兩個。第一個來自 Anthropic，一個我個人覺得非常有意思的研究方向，叫做 “persona vectors” (人格向量)。它旨在通過編輯模型內(nèi)部的這些人格向量，來監(jiān)控和控制語言模型的性格特征。

Tulsee Doshi:好的。這項研究非常新，我認為它反映了一個趨勢：當(dāng)前各大實驗室和整個行業(yè)，都在持續(xù)探討模型行為 (model behavior) 的問題。大家意識到，我們不能只關(guān)注編程這類“硬”實力，也要關(guān)注模型溝通方式等更“軟”的實力，比如語氣、個性和幽默感。Anthropic 研究的“persona vectors”，正是試圖更好地理解和捕捉模型學(xué)習(xí)這類行為的能力。我們自己也在進行相關(guān)研究，比如如何為模型定義一種“個性”，并圍繞該目標進行構(gòu)建和訓(xùn)練。因為歸根結(jié)底，用戶的體驗和主觀感受，與模型的硬核性能同等重要。

Madhavi Sewak:第二個讓我很興奮的研究叫做 “Hierarchical Reasoning Models” (分層推理模型)。目前，全球幾大 AI 實驗室的大部分推理模型，基本上都采用“思維鏈” (chain-of-thought) 的方式。而這個分層推理模型是一個僅有 2700 萬參數(shù)的小模型。它內(nèi)含兩個相互依賴的模塊：一個高層模塊負責(zé)慢速、抽象的規(guī)劃；一個底層模塊處理快速、具體的計算。僅通過一次前向傳播和順序推理，這個小模型就在某些任務(wù)上超越了許多參數(shù)量遠大于它的模型。我認為這個方法非常有趣。我相信在 Gemini 團隊內(nèi)部，肯定已有團隊在探索類似的方法論。但當(dāng)我在外部讀到這項研究時，確實很感興趣，并希望能探索其應(yīng)用。

12

AI 領(lǐng)域尚未被充分認識的問題

目前 AI 領(lǐng)域有哪些尚未被充分認識到的問題？即那些大家可能剛開始關(guān)注，但還未成為主流焦點，而你們認為“如果有人能解決會非常有價值”的問題。

Tulsee Doshi:我覺得有好幾個領(lǐng)域我們正投入越來越多的關(guān)注，它們雖然尚屬小眾，但正處于發(fā)展的早期階段。我想先回到模型行為這個概念，它涉及到個性化、適應(yīng)性和可控性。“可控性”在行業(yè)內(nèi)已討論多時，但究竟什么樣的模型行為才算“好”，這其實是一個非常復(fù)雜的問題，且答案可能因人而異。比如 Hassan 您期望的交互方式，可能就與我所想的不同。因此，我們該如何為這些模型和 AI Agent 定義恰當(dāng)?shù)倪m應(yīng)性與個性化水平？如何在一個既能為個體提供高效個性化體驗，又能保持觀點平衡的系統(tǒng)之間，找到完美的平衡點？這是一個我們剛剛開始探索且充滿趣味的領(lǐng)域。

另一個我想提的是評估。實際上，我們今天剛宣布了一個名為 Gamer Arena 的項目。這是我們與 Kaggle 合作推出的一個趣味性基準測試，在這個平臺上，AI 模型會進行象棋之類的游戲?qū)?zhàn)，以此來評估它們的能力。這背后其實是在驗證一個觀點：現(xiàn)有的 AI 基準測試很快就會被模型的能力“刷爆”。它們對于衡量特定任務(wù)依然有效，但對于那些更綜合、更主觀的能力，比如模型行為，我們該如何真正地衡量？當(dāng)模型進步的速度甚至可能超過基準測試本身的發(fā)展速度時，我們又該如何評估它們？因此，持續(xù)革新 AI 評估方法，是我們自身乃至整個行業(yè)都必須大力投入的領(lǐng)域。

Madhavi Sewak:我再補充一個特別感興趣的領(lǐng)域：上下文內(nèi)強化學(xué)習(xí)(in-context reinforcement learning)。傳統(tǒng)的強化學(xué)習(xí)方法需更新模型權(quán)重，這種方式成本高昂，且需要微調(diào)模型，屬于后訓(xùn)練操作。而上下文內(nèi)學(xué)習(xí)發(fā)生在推理階段，不更新模型權(quán)重。如果運用得當(dāng)，它對于 AI Agent 的自主行動和決策場景將非常有幫助。設(shè)想一下，當(dāng)您在 AI mode或 Gemini 應(yīng)用里預(yù)訂航班，模型能根據(jù)對話實時推斷出您的偏好，比如您帶著兩個孩子，不想選擇需要長途跋涉才能寄存行李的酒店，因為當(dāng)前您不追求冒險。這種能力不僅僅是擁有個性化的上下文那么簡單，因為同一個人在不同場景下需求不同，

我真正希望的是，未來能為每一個 AI Agent，在用戶與 Google 所有產(chǎn)品交互的每一個瞬間，都能部署這種上下文內(nèi)強化學(xué)習(xí)。然后，系統(tǒng)需要判斷哪些信息是需要跨對話保留的個性化上下文，哪些又僅屬于當(dāng)前對話的臨時信息。我們?nèi)祟悤r刻都在這樣做，就像在此刻的對話里，Hassan，我的大腦會保留很多關(guān)于您的臨時信息，您也是一樣。但對話結(jié)束后，我們并不會真的去“更新權(quán)重”，讓對方成為彼此生活中的重要角色。

13

AI Agent 的核心瓶頸：上下文與記憶

對于 AI Agent 產(chǎn)品而言，維持上下文狀態(tài)在當(dāng)下是一個非常棘手的難題，如果無法維持上下文，就根本無法獲得正確的結(jié)果。Gemini 是否正在解決這個問題？目前在流程級別記憶方面最大的障礙是什么？

Madhavi Sewak:是的，這在整個行業(yè)都是一個非?；钴S的研究領(lǐng)域，我認為還沒有任何一個研究機構(gòu)真正解決了這個問題，而我們也非常希望能率先攻克它。一旦問題解決，依賴 AI Agent 的公司將取得驚人的成就，因為我已經(jīng)看到這項技術(shù)對于產(chǎn)品，尤其是企業(yè)用例，具有不可估量的價值。

（關(guān)于流程級別記憶的障礙）我認為這個問題亟待解決，在我看來，近期許多論文在實現(xiàn)上下文工程時，采用的一種方法是設(shè)立一個獨立的記憶單元 AI Agent。這種方法的效果，似乎遠勝于將大量記憶信息在上下文中直接傳遞。原因在于，整個行業(yè)的模型在面對一次性呈現(xiàn)的所有信息時，仍無法分清主次，弄清楚應(yīng)該保留什么、丟棄什么。目前的做法是通過高帶寬內(nèi)存?zhèn)鬟f信息，并借助檢索增強生成 (RAG) 等技術(shù)來輔助。舉個例子，假如你是 Goldman Sachs，擁有大量內(nèi)部私有文檔并希望模型能參考它們，你肯定不希望模型自行創(chuàng)造觀點。無論你是律師事務(wù)所、保險公司，還是在處理財務(wù)報告，在這些場景下，你都非常希望模型能夠精確引用手頭已有的數(shù)據(jù)。

我認為，在研究層面，我們正努力讓模型理解如何從不同的上下文中甄別和取舍所需信息。具體來說，模型應(yīng)該從當(dāng)前對話中提取什么，從 RAG 中獲取什么，從記憶單元中調(diào)取什么，然后又該如何將這些信息整合起來？除此之外，還要考慮加入個性化的上下文，以及利用上下文學(xué)習(xí)。因此，當(dāng)前的關(guān)鍵研究挑戰(zhàn)在于，如何處理如今所有這些不同來源的數(shù)據(jù)片段。試想一下，還有大量的工具調(diào)用，你有許多不同的工具可用。在某種設(shè)想中，很多事物都遵循一種 MCP 格式，你可以通過這種格式與它們連接和交互。但現(xiàn)在的問題是，假設(shè)針對一個查詢，你獲得了所有這些信息，該如何從中篩選出真正需要的部分，來為用戶構(gòu)建最有效的答案？這正是一個活躍的研究領(lǐng)域。

Tulsee Doshi:我完全同意。正如 Madhavi 所說，這才是真正的突破口。所以問題的一部分在于如何創(chuàng)建正確的上下文和記憶，無論我們怎么稱呼它。但我認為更重要的部分在于，如何訓(xùn)練模型，讓它知道在什么時候該使用什么信息。這關(guān)乎如何讓模型變得更智能。我們正在研究的一個有趣課題，就是如何避免模型過度個性化或過度使用上下文。舉一個負面例子：我們今天進行了這次對話，明天 Hassan 你在進行另一場對話時，今天對話的上下文卻主導(dǎo)了新的對話。我們希望模型能夠精準地權(quán)衡判斷，從而有效利用上下文的特定方面，決定何時調(diào)用某些工具，以及何時依賴其自身領(lǐng)域知識。

這讓我想起大學(xué)時的開卷期末考試。考察的關(guān)鍵能力并非是你記住了所有知識，而是你知道所需信息在你筆記的哪個位置，并且懂得如何從那個特定地方獲取信息，再以正確的方式將其組合起來解決問題。我認為，我們很大程度上就是要賦予模型這樣的能力。

Madhavi Sewak:沒錯，尤其重要的是要學(xué)會忽略什么。比如，如果 Tulsee 正在回答問題，而我沖著她大喊：“2+2=4，2+2=4”，她不應(yīng)該因此改變自己的答案。她必須明白這只是與問題無關(guān)的垃圾信息。我認為目前模型在這方面還做得不夠好，但這正是 Gemini 團隊正在積極研究的領(lǐng)域。

14

Deep Think 的力量在于探索多樣化的問題空間，綜合多種路徑

我們就聊聊 Gemini 2.5 Deep Think 系統(tǒng)吧。與單一模型方法相比，多個 AI Agent 并行工作的方式，從根本上改變了什么，或者說帶來了哪些新的可能性？

Madhavi Sewak:Deep Think 一個非常有趣的特點是它生成的答案具有多樣性，以及它探索問題空間的廣度。舉個例子，我們后來與一位數(shù)學(xué)家合作，他在博士期間解決了一個數(shù)學(xué)猜想，但他發(fā)現(xiàn) Deep Think 模型用四到五種不同的新方法也解決了同一個問題。我認為這是 Deep Think 模型一個特別有意思的地方。同樣，在編程領(lǐng)域，我們用它來解決一些編程競賽平臺 (Codeforces) 上的難題。其中一個問題是“抓鼴鼠”：在一棵樹狀結(jié)構(gòu)中，有一只鼴鼠藏在某個節(jié)點里，你如何用最少的遍歷次數(shù)和最少的步數(shù)找到它？這同樣是 Deep Think 模型極其擅長的，因為它能夠探索廣闊且多樣化的問題空間?？偟膩碚f，我認為 Deep Think 模型在數(shù)學(xué)、編程方面能力卓越，甚至還具備超凡的視覺審美和理解力，因此能創(chuàng)造出非常精美的網(wǎng)站和應(yīng)用程序，這些都是它的與眾不同之處。我個人還會用它來做路徑規(guī)劃，因為它在探索問題空間方面表現(xiàn)出色，之后你可以用那些更小、推理成本更低的執(zhí)行模型來完成具體任務(wù)。對我而言，這就是 Deep Think 最吸引人的地方。

Tulsee Doshi:我想特別強調(diào) Madhavi 剛才提到的最后一點，那就是探索多種視角的能力?；氐侥汴P(guān)于“并行思考的真正含義是什么”的問題，我認為對這個詞的字面理解本身就極具力量。這意味著什么呢？想象一下，你可以同時探索多種不同的方法和路徑，審視它們，然后在此基礎(chǔ)上綜合出新的一組潛在路徑，最后再從中提煉出你認為最合理的最終方向。從某種程度上說，這正是我們?nèi)祟惤鉀Q問題的方式。就像 Madhavi 買家具一樣，她實際上在探索多種不同的布置方案，然后決定：“好了，我就選定這個方案了，現(xiàn)在要在這個方向上進行更深層次的規(guī)劃。” 我認為，能夠?qū)⑦@種豐富的思維模式引入到推理任務(wù)中，將使我們能夠解決遠比以往更復(fù)雜的問題。而這，也正是我們在 Deep Think 系統(tǒng)上所看到的成果。

| 文章來源：數(shù)字開物

【AI技術(shù)與應(yīng)用交流群｜僅限受邀加入】

AI算力領(lǐng)域TOP級從業(yè)者專屬圈層

√ 與頭部算力企業(yè)深度對話

√ 與AI上下游企業(yè)深度對話

√ 獲取一手全球AI與算力產(chǎn)業(yè)信息

√ 獲取AI熱點及前沿產(chǎn)業(yè)獨家信息

√ 隨時了解全球AI領(lǐng)域高管最新觀點及實錄全文

√ 有機會參與AI主題產(chǎn)業(yè)交流活動

掃碼驗證身份（需備注姓名/公司/職務(wù)）

不止有 DeepSeek，更有 AI產(chǎn)業(yè)的未來！

? END?

【專欄】精品再讀