跳到正文

#Google

今日 0 条
7月30日周四
  1. Google DeepMind71

    Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型

    Google DeepMind 发布 Gemini Robotics ER 2，定位为机器人的高层大脑，可理解物理世界、规划多步任务，并把动作执行交给底层 VLA 模型，还能原生调用 Google Search 等工具。

    推荐理由：官方给出 ER 2 在进度分类、时刻定位与多机器人协作上的具体指标，可据此判断机器人大脑的落地边界。

  2. Google DeepMind62

    Google DeepMind 在 Google Flow Music 发布音乐生成模型 Lyria 3.5

    Google DeepMind 发布新一代音乐生成模型 Lyria 3.5，并已在 Google Flow Music 中上线。官方称其在音乐性、歌词和人声质量上均有提升：可生成更丰富复杂的旋律结构，歌词的提示词遵循度和结构感知更好，人声更具表现力与情感细节、发音也更准确。用户还能更便捷地控制输出的节奏和时长。

    推荐理由：官方给出 Lyria 3.5 在旋律、歌词、人声与创作控制上的具体改进方向，可据此判断音乐生成能力的变化。

7月28日周二
7月23日周四
  1. Google Research62

    Google 发布 SymptomAI：面向日常症状评估的对话式 AI 智能体研究

    Google Research 发布论文 SymptomAI，用五个 Gemini Flash 2.0 症状问诊智能体开展 n=13,917 的全国随机研究，参与者向智能体描述症状并得到鉴别诊断（DDx）与后续建议。

    推荐理由：Google 用 13917 人随机对照研究比较五种 Gemini Flash 2.0 症状问诊智能体，并给出临床专家盲评与 Fitbit 生理信号对照结果。

  2. Google Research62

    Google Research 提出用强化学习让量子计算机从错误中学习

    Google Research 在 Nature 发表论文，提出一种强化学习框架，让智能体从量子纠错检测事件中学习，在计算过程中持续调整数千个控制参数以对抗漂移。在 Willow 超导处理器上，该方法将纠错码的逻辑稳定性提升 3.5 倍，并在专家校准基础上进一步把逻辑错误率压低 20%，使表面码逻辑错误降至每千个纠错周期不到一次。数百量子比特的数值模拟显示，所需 RL 训练轮数不随系统规模增长。

    推荐理由：Google 用强化学习让量子纠错在计算过程中持续校准控制参数，读者可了解其方法与 Willow 处理器上的实测结果。

7月22日周三
7月21日周二
7月17日周五
  1. Google DeepMind74

    Google DeepMind 发布 Gemini 3.5 Flash Cyber 安全模型

    Google DeepMind 发布 Gemini 3.5 Flash Cyber，一款基于 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞，在 CyberGym 等基准上以多次调用取得接近更大模型的表现。

    推荐理由：官方给出轻量安全模型在多个漏洞基准上的对比数据与受限开放方式，可据此判断专用小模型在代码安全场景的定位。

7月16日周四
  1. Google DeepMind38

    Google DeepMind 与 Isomorphic Labs 公布生物韧性联合方案

    Google DeepMind 与 Isomorphic Labs 公布联合生物韧性方案，一方面防止威胁行为者滥用其模型，另一方面让政府、科学家与生物安全专家借助 AI 应对疫情。过去 12 个月，双方已推进超过 15 项合作，覆盖预防、检测与响应三个方向，包括将 SynthID 水印技术适配到生物学领域，以及用智能体 AlphaEvolve 优化宏基因组测序数据分析算法。

  2. Google Research31

    Google Research 揭示扩散模型创造力来源：score smoothing 机制解析

    Google Research 在 ICLR 2026 论文中揭示扩散模型的创造力源于神经网络训练中的 score smoothing 效应：权重衰减等正则化使模型学到平滑的 score function，让去噪过程在训练数据点之间插值，从而生成新样本而非简单记忆。研究通过一维实验验证，权重衰减越强，插值区域越明显，即使无显式正则化，梯度训练的隐式正则化也能产生类似效果。

7月13日周一
  1. Google DeepMind28

    Google DeepMind 推出 Gemini 驱动的 ATL Saathi，助力印度 Atal Tinkering Labs

    Google DeepMind 在印度启动 ATL Saathi 试点，这是一款由 Gemini 驱动的 Web 应用，为 Atal Tinkering Labs 教育者提供 24/7 备课与培训助手。该工具基于 NotebookLM 整理 12 个核心模块内容，支持 10 个模块的项目生成，初期覆盖 8 种语言，底层采用 Gemini 3.5 Flash 模型。首批试点覆盖印度 100 所学校。

7月9日周四
  1. Google Research62

    Google 发布 SensorFM：面向可穿戴健康数据的通用基础模型

    Google Research 发布 SensorFM，一个从无标注可穿戴数据中学习的大型传感器基础模型，预训练语料超过一万亿分钟多模态信号，来自 500 万名同意参与者、100 多个国家和 20 多款 Fitbit 与 Pixel Watch 设备。

    推荐理由：Google 用一万亿分钟可穿戴数据预训练通用生理表征，并给出跨 35 项健康任务的泛化与标签效率证据。

7月8日周三
  1. Google Research60

    Google Research 在 10 座美国城市实验用导航平台缓解交通拥堵

    Google Research 在 Nature Cities 发表研究，在 10 座美国城市开展为期六个月的实验，通过修改 Google Maps 算法将遇到预设拥堵路段的行程引导至耗时相近的替代路线，仅不到 2% 的行程收到改道建议。

    推荐理由：Google Research 在 10 座美国城市做了为期半年的真实路网实验，给出了协调少量出行即可提升全城车速与减排的量化结果。

7月3日周五
7月1日周三
6月30日周二
  1. Google Research78

    Google 发布表格数据零样本基础模型 TabFM

    Google 发布面向表格数据分类与回归的基础模型 TabFM，将表格预测建模为上下文学习问题，无需手动训练、超参数调优和特征工程，单次前向传播即可对未见过的表格生成预测。

    推荐理由：Google 把零样本思路从时序预测搬到表格数据，读者可了解其架构设计与在 TabArena 上的对比结果。

6月27日周六
6月25日周四
  3. Google DeepMind78

    Google DeepMind 将 computer use 内置到 Gemini 3.5 Flash

    Google DeepMind 宣布 computer use 成为 Gemini 3.5 Flash 的内置工具，此前它仅作为独立的 Gemini 2.5 computer use 模型提供。

    推荐理由：原文说明 computer use 从独立模型并入 Gemini 3.5 Flash 主模型，并给出企业级安全护栏，读者可据此判断智能体跨平台自动化的可用边界。

6月23日周二
6月17日周三
  2. Google DeepMind60

    Google DeepMind 与英国政府共建 AI 规划原型，目标将审批时间减半

    Google DeepMind 与英国政府、Google Cloud、Faculty 及 Barnet、Dorset、Camden 地方规划部门合作，开发一款基于 Gemini 的 AI 规划原型，目标是帮助审批人员将住户规划申请的决定时间缩短 50%。

    推荐理由：原文给出英国规划审批原型的目标、试点范围与上线时间，读者可据此判断 AI 介入公共服务的落地路径。

6月16日周二
  1. Google DeepMind62

    Google DeepMind 发布 AI Control Roadmap 与智能体安全技术框架

    Google DeepMind 发布 AI Control Roadmap，用于在 Google 内部构建和管理高级 AI 的防御纵深框架，将内部智能体视为可能未对齐的潜在内部威胁，并基于 MITRE ATT&CK 拆解攻击战术与技术。

    推荐理由：Google DeepMind 公开内部 AI 控制路线图，给出分级检测与响应机制，可供部署智能体的团队参考。

6月13日周六
  1. Google Research34

    Google 研究 AI 如何帮助用户理解皮肤问题

    Google 公布多项关于消费者使用 AI 工具理解皮肤问题的研究，其中发表于 JAMA Dermatology 的大规模调查显示，2345 名参与者借助 AI 工具尝试命名皮肤状况的比例超过 62%，命名准确率 23%，约为无辅助对照组 8% 的近三倍。研究同时发现，AI 辅助对判断下一步就医措施帮助有限，标准 AI 组的下一步准确率未出现统计显著提升。

  2. Google Research42

    Google 支持加州大学圣地亚哥分校用 2000 台退役 Pixel 手机搭建低碳计算平台

    加州大学圣地亚哥分校在 Google 支持下，正用 2000 台退役 Pixel 智能手机的主板搭建数据中心，为数百名研究人员和学生提供低成本、低碳的云计算。SPEC 基准显示 25-50 台手机约等于一台现代服务器，这些手机以 25-50 台为单位组成由 Kubernetes 管理的自管理集群。该系统预计于 2026 年秋季全面上线。

6月11日周四
6月10日周三
6月9日周二
  2. Google DeepMind80

    Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型

    Google DeepMind 发布 Gemma 4 12B，一款面向笔记本的智能体多模态模型，采用无编码器统一架构，视觉和音频输入直接进入 LLM 主干。该模型在标准基准上性能接近 26B MoE 模型，内存占用不到其一半，可在 16GB VRAM 或统一内存的消费级笔记本上本地运行，并首次在中等规模模型中支持原生音频输入。

    推荐理由：Gemma 4 12B 用无编码器架构把多模态能力压到 16GB 显存，读者可据此判断本地智能体的硬件门槛。

  3. Google DeepMind22

    Google DeepMind 启动欧洲机器人加速器，15 家初创入选

    Google DeepMind 推出为期 3 个月的机器人加速器项目，从欧洲选出 15 家早期机器人初创公司，本周在伦敦启动，入选团队可使用其 AI 技术栈和 Gemini 机器人模型。项目提供技术指导、产品建议与合作伙伴网络，覆盖物流、制造、医疗、气候和导航等领域，例如挪威 3D-Components 的焊接与金属 3D 打印平台号称比现有做法快 280 倍。

6月8日周一
  1. Google DeepMind66

    Google DeepMind 在塞拉利昂开展 AI 学习随机对照试验

    Google DeepMind 公布在塞拉利昂开展的预注册随机对照试验结果，使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差，约相当于 1.2 至 1.7 年的常规学习进度，试验为期八周。

    推荐理由：原文给出塞拉利昂随机对照试验的量化结果与师生互动数据，可了解 AI 辅助教学的实际效果与局限。

6月5日周五
  2. Google Research66

    Google 研究用手机前摄实现被动心率监测

    Google 在 Nature 发表研究，提出 PHRM 系统，利用手机前摄在面部解锁后拍摄 8 秒视频，通过深度学习在后台估算心率和静息心率。在自由生活研究中，PHRM 心率估算整体 MAPE 为 6.09%，静息心率相对 Fitbit Charge 6 的 MAE 为 4.39 bpm，并在所有肤色组别达到 MAPE 低于 10%。

    推荐理由：Google 用手机前摄在解锁后被动测心率，并公开最大规模手机视频数据集与预训练模型，可看 rPPG 在真实场景的落地边界。

6月4日周四
  1. Google Research62

    Google 开源其水文建模框架，支持本地化 AI 洪水预报

    Google Research 在 GitHub 上以 Apache 2.0 许可开源其水文建模框架，让各国气象与水文机构用与 Google Flood Hub 相同的架构和相近训练数据训练 AI 洪水预报模型。

    推荐理由：Google 把驱动 Flood Hub 的水文模型架构与训练流程开源，读者可据此判断本地洪水预报如何接入自有数据。