跳到正文

#Google

今日 0 条
7月23日周四
  1. Google Research60

    Google Research 在 Nature 发表论文：强化学习让量子计算机从错误中学习

    Google Research 在 Nature 发表论文，提出用强化学习框架让自主智能体从量子错误检测中持续学习，动态调控数千个控制参数，在计算过程中稳定量子系统对抗漂移。在 Willow 处理器上，该方法将逻辑稳定性提升 3.5 倍，并在专家校准后进一步将逻辑错误率降低 20%。

    推荐理由：原文展示了强化学习如何让量子计算机在运行中持续校准，读者可借此理解机器学习在量子纠错中的新角色。

7月22日周三
7月21日周二
7月17日周五
7月16日周四
  1. Google DeepMind50

    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，通过防止模型滥用并帮助政府、科学家利用 AI 应对传染病爆发。过去 12 个月已推进超 15 项合作，覆盖预防、检测、响应三领域，包括将 SynthID 水印技术适配生物学、用 AlphaEvolve 优化病原体监测，并向可信研究人员开放最新 AI 系统以加速疫苗设计。

  2. Google Research38

    扩散模型的创造力从何而来：Google 研究揭示“分数平滑”机制

    Google Research 在 ICLR 2026 发表论文，从数学上解释扩散模型的“创造力”并非偶然，而是源于神经网络训练中正则化导致的“分数平滑”效应。该效应使模型在去噪过程中生成训练数据点之间的插值样本，而非简单记忆。研究还发现，即使不显式使用权重衰减，梯度算法带来的隐式正则化也能产生同样效果。

7月13日周一
7月9日周四
  1. Google Research70

    Google Research 发布 SensorFM，用一万亿分钟可穿戴数据训练通用健康传感器基础模型

    Google Research 发布 SensorFM，一个基于超过一万亿分钟、来自五百万名同意参与者的多模态可穿戴数据预训练的大型传感器基础模型。SensorFM 通过自监督重建学习，可跨心血管、代谢、睡眠和心理健康等任务迁移，在 35 项健康任务中 34 项优于特征工程监督基线。模型还结合了智能体课堂自动构建预测头，并能支撑个人健康智能体的端到端应用。

    推荐理由：原文给出了一万亿分钟级可穿戴数据训练的通用传感器基础模型，读者可据此判断它能否替代单任务健康模型。

7月8日周三
  1. Google Research62

    Google Research 在 Nature Cities 发表城市拥堵缓解实验

    Google Research 在 Nature Cities 发表研究，通过在 10 个美国城市开展为期六个月的切换实验，仅协调不到 2% 的行程改走相似耗时路线，就使目标路段车速中位数提升约 2%，燃油消耗率中位数下降 0.5% 至 1.0%，并估算每城每年可减少数千吨 CO2e 排放。该研究为从个体路线优化走向全网络协同路由提供了实验框架。

    推荐理由：原文给出了首个大规模真实城市路由干预实验的方法与量化结果，读者可据此评估导航平台协调交通的实际收益。

7月3日周五
7月1日周三
  1. Hugging Face Blog60

    Hugging Face 与 Cerebras 联手推出实时语音 AI 演示

    Hugging Face 与 Cerebras 合作推出实时语音 AI 演示，构建了全开源的级联式语音到语音流水线：语音输入经 Nvidia Parakeet 识别，由 Cerebras 上的 Gemma 4 31B 处理，再经阿里 Qwen3TTS 合成语音输出。该流水线已驱动超过 9,000 台 Reachy Mini 机器人，旨在通过低延迟和稳定推理改善对话的自然感。

    推荐理由：原文展示了开源语音流水线与 Cerebras 推理速度结合后的实时对话体验，读者可据此评估端到端语音方案的延迟表现。

  2. Google Research62

    Google Research 发布 50+ 城市建筑级屋顶反照率数据集及 Heat Resilience Earth Engine App

    Google Research 发布覆盖 50+ 城市、9 个国家的建筑级屋顶反照率数据集，并上线 Heat Resilience Earth Engine App 供公众使用。

    推荐理由：原文给出了数据覆盖范围、精度验证和开放入口，读者可以据此判断这类建筑级反照率数据对城市热缓解规划的实际可用性。

6月30日周二
  1. Google Research77

    Google 发布 TabFM：面向表格数据的零样本基础模型

    Google Research 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，将表格预测重构为上下文学习问题，无需手动训练、调参和特征工程。模型采用交替行列注意力、行压缩和 ICL 混合架构，完全在数亿个合成数据集上训练，在 TabArena 基准上覆盖 38 个分类和 13 个回归数据集。

    推荐理由：原文给出了模型架构、训练方式和在 TabArena 上的评测结果，读者可据此判断零样本表格预测的实际能力。

6月27日周六
  1. Google Research60

    Google Research 用冻结多 token 预测加速 Pixel 上的 Gemini Nano 模型

    Google Research 宣布一种新架构，将多 token 预测（MTP）头附加到冻结的 Gemini Nano v3 模型上，以加速 Pixel 9 和 10 系列上的端侧推理。相比独立草稿模型，MTP 在 Pixel 9 上带来 50% 或以上的速度提升，并节省约 130MB 内存，同时保持输出与主模型逐位一致。该方案已用于 AI 通知摘要和校对等功能，减少能耗并提升电池续航。

    推荐理由：原文给出冻结骨干加 MTP 头的端侧加速方案，读者可据此判断其相对独立草稿模型的效率优势。

6月25日周四
  1. Google Research47

    线性弹性缓存如何优化云成本：Google 将页面驱逐建模为滑雪租赁问题

    Google 在 CIDR 论文中提出线性弹性缓存，将页面驱逐建模为滑雪租赁问题，用轻量级机器学习动态调整缓存大小，以最小化缓存总拥有成本。集成到 Spanner 生产环境后，内存使用减少 15.5%，缓存未命中仅增加 5.5%，TCO 降低约 5%，且 I/O 成本影响仅 0.5%。该方法将驱逐策略与“租赁时长”分离，通过浅层决策树预测 TTL，并已在公开缓存轨迹上验证。

  2. Google Research60

    Google Research 揭示推理如何解锁 LLM 参数化知识

    Google Research 在 COLM 2026 发表的论文中，通过受控实验证明允许模型生成推理轨迹能解锁原本无法获取的正确事实答案。研究识别出计算缓冲和事实启动两种互补机制，并发现推理轨迹中若含单个幻觉中间事实会显著降低最终答案正确率。基于此，研究提出在测试时优先保留无幻觉事实的推理轨迹可提升准确率，并建议训练时用过程奖励鼓励事实支持的中间步骤。

    推荐理由：原文用受控实验拆解了推理为何能解锁参数化知识，并给出可落地的训练优化方向。

  3. Google DeepMind78

    Gemini 3.5 Flash 内置计算机使用能力，支持跨平台智能体构建

    Google DeepMind 宣布计算机使用现已成为 Gemini 3.5 Flash 的内置工具，开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 构建能跨浏览器、移动端和桌面端看、推理并行动的智能体。

    推荐理由：原文说明了计算机使用能力从独立模型并入主模型后的性能提升与安全机制，读者可据此评估企业自动化场景的适用性。

6月17日周三
  1. Google DeepMind62

    Google DeepMind 与英国政府合作开发 AI 规划审批原型，目标将审批时间减半

    Google DeepMind 与英国政府合作开发基于 Gemini 的 AI 规划审批原型，目标是将房主规划申请的处理时间缩短 50%。该工具可整合数据、识别当地政策、总结反馈并起草评估报告，规划官员仍保留最终决策权。早期试点在 Barnet、Camden 和 Dorset 进行，政府计划 2027 年起向全国所有议会开放。

    推荐理由：原文给出了原型工具的功能范围和落地时间表，读者可以据此判断 AI 辅助政务审批的实际路径。

  2. Google Research52

    Google 发布英国细粒度生态特征向量化数据集

    Google Research 发布向量化数据集，将英格兰的树篱、石墙和小林地等细粒度生态特征从像素地图转化为可操作的清单，供土地所有者与保护机构测量和扩展这些特征。该数据集基于预训练于 3 亿张卫星图像的 ViT 模型微调，并用 Polsby-Popper 紧致度评分对几何形状分类，通过 Google Earth Engine 并行处理覆盖超 13 万平方公里的区域。

6月16日周二
  1. Google DeepMind62

    Google DeepMind 发布 AI Control Roadmap，以系统级安全守护内部智能体

    Google DeepMind 发布 AI Control Roadmap，在传统对齐之外增加系统级安全层，将内部智能体视为潜在未对齐对象，通过威胁建模、监督与分级响应提供保障。团队已分析百万条编码智能体轨迹，并据此为 Gemini Spark 智能体构建实时监控，多数标记事件源于智能体误解而非恶意意图。

    推荐理由：原文给出了威胁建模、分级响应和百万轨迹实测，读者可据此理解系统级安全如何补足对齐的局限。

6月13日周六
  1. Google Research62

    Google Research 发布AI辅助皮肤问题理解研究

    Google Research 发布两项关于AI辅助用户理解皮肤问题的研究。一项发表于 JAMA Dermatology 的量化研究显示，使用AI工具时参与者命名皮肤状况的准确率约为对照组的三倍（23% vs 8%），但确定下一步医疗行动的能力提升不显著。另一项与斯坦福医疗AI团队合作的真实世界研究显示，使用应用后参与者命名状况的能力提升260%，临床医生认为预测与自身评估一致的比例为86%。

    推荐理由：原文给出两项研究的具体数据，读者可据此判断AI辅助皮肤问题识别对用户理解的实际增益与局限。

  2. Google Research62

    加州大学圣迭戈分校计划用 2000 部旧 Pixel 手机搭建低碳云计算平台

    加州大学圣迭戈分校在 Google 支持下，计划将退役 Pixel 手机的主板提取并组成集群，部署一个由 2000 部手机组成的数据中心，为数百名研究人员和学生提供低成本、低碳的云计算服务。早期实验显示，20 部手机组成的集群即可支持 75 人以上班级的峰值提交，延迟低于 AWS 默认后端；该系统预计于 2026 年秋季上线。

    推荐理由：原文给出了旧手机集群的计算能力对比和部署计划，读者可以据此评估这种低碳算力方案的可行性。

6月11日周四
  1. Google Research40

    Google Research 提出机器遗忘审计新框架 Regularized f-Divergence Kernel Tests

    Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests，用于更灵敏、灵活、准确地审计机器学习模型的“遗忘”效果。该框架通过相对距离测试和自适应超参数选择，理论上可控制任意样本量下的假阳性，并随样本增加将假阴性风险收敛至零。实验涵盖合成基准与高能物理数据集 Expo1D 异常检测任务。

  2. Google DeepMind79

    Google DeepMind 发布开源扩散模型 DiffusionGemma，推理速度最高提升 4 倍

    Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散技术并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍，单张 NVIDIA H100 上每秒可生成 1000+ token。该 26B MoE 模型推理时仅激活 3.8B 参数，量化后适配 18GB 显存，面向内联编辑、代码填充等速度敏感的本地交互场景，但整体输出质量低于标准 Gemma 4。

    推荐理由：原文给出了速度提升、硬件门槛和适用场景，读者可据此判断它适合哪些本地交互工作流。

6月10日周三
6月9日周二
  1. Google DeepMind80

    Google DeepMind 发布 Gemini 3.5 Live Translate 语音翻译模型

    Google DeepMind 发布 Gemini 3.5 Live Translate，这是最新的音频模型，支持 70 多种语言的近实时语音到语音翻译，能保留说话者的语调、节奏和音高，并连续生成语音而非逐轮等待。

    推荐理由：原文给出了新模型的连续语音翻译能力、覆盖语言数和各产品入口，读者可据此判断它如何改变跨语言实时沟通。

  3. Google DeepMind28

    Google DeepMind 加速器选拔 15 家欧洲机器人初创公司

    Google DeepMind 宣布启动为期三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，提供技术指导、AI 工具链及 Gemini 机器人模型支持。入选企业覆盖物流、制造、医疗、气候和导航等领域，包括将机器人焊接参数选择提速 280 倍的 3D-Components、开发脑组织微机器人的 ROBEAUTE 等。项目本周在伦敦启动，旨在推动物理 AI 研究落地为实际应用。

6月8日周一
  1. Google DeepMind62

    Google DeepMind 发布塞拉利昂AI辅助学习试验结果

    Google DeepMind 发布在塞拉利昂进行的预注册试验结果，显示使用 Guided Learning 的学生数学成绩比对照组提升 +0.258 个标准差，相当于八周内约 1.2 至 1.7 年的典型学习进步。

    推荐理由：原文给出了预注册试验的量化结果和交互数据，读者可以据此判断AI辅助教学的实际效果与局限。

6月5日周五
  1. Google Research62

    Gemini Enterprise Agent Platform 推出 Agentic RAG 跨语料检索功能

    Google 在 Gemini Enterprise Agent Platform 上推出由 Agentic RAG 驱动的跨语料检索功能，通过多智能体协作和 Sufficient Context Agent 迭代补全缺失信息，相比标准 RAG 在事实性数据集上准确率提升最高 34%，跨语料场景下可正确回答 90.1% 的问题，现以公开预览形式提供。

    推荐理由：原文给出了跨语料检索的准确率提升和公开预览入口，读者可据此评估其对企业多源数据查询的价值。

  2. Google Research62

    Google 在 Nature 发表论文：用手机前置摄像头实现被动心率监测

    Google Research 在 Nature 发表论文，介绍被动心率监测系统 PHRM，利用手机前置摄像头在面部解锁后拍摄视频，通过深度学习估计心率，MAPE 小于 10%，并估算每日静息心率，MAE 小于 5 bpm，准确度达到可穿戴设备水平。

    推荐理由：原文给出了PHRM系统的技术路线、跨肤色准确率数据和公开数据集，读者可据此评估被动心率监测的可行性与局限。

6月4日周四
  1. Google Research78

    Google 开源水文建模框架，助力 AI 洪水预报落地

    Google Research 在 GitHub 上以 Apache 2.0 协议开源其水文建模框架，该框架基于 PyTorch 和 LSTM 架构，使用 Caravan 数据集训练，可复现 Google Flood Hub 的河流洪水预报能力。新版模型在基准测试中比旧版将可靠预测期延长六天（有水文站流域）和一天（无水文站流域），并已与捷克水文气象研究所合作集成到 Delft-FEWS 平台。

    推荐理由：原文给出了模型架构、训练数据和基准提升，读者可据此评估将 AI 洪水预报接入本地工作流的可行性。

5月29日周五
  1. Google Research62

    Google Research 在 I/O 2026 发布 Gemini for Science 与 Antigravity 2.0 等多项成果

    Google Research 在 I/O 2026 上发布多项成果，包括面向科学研究的 Gemini for Science 工具套件（含 Computational Discovery、Hypothesis Generation 等）、升级的智能体开发平台 Antigravity 2.0，以及基于 Coral NPU 的 Synaptics Coralboard 开发板。

    推荐理由：原文汇总了 Gemini for Science、Antigravity 2.0、Coralboard 等多项发布，读者可借此把握 Google 在科学研究和开发者工具上的整体布局。

5月28日周四
  1. Google Research60

    Google 提出零信任聚合方案，为端侧 AI 提供隐私保护分析

    Google 研究团队提出一种零信任聚合方案，用于端侧 AI 的隐私保护分析。该方案结合新型格基密码协议与可信执行环境（TEE），支持单次消息提交，无需设备长时间在线，并确保 Google 只能获得匿名聚合结果。Android SafetyCore 将采用该方案评估安全模型效果，同时保证用户内容仅存于设备端。

    推荐理由：原文给出了一种结合密码学与TEE的多层防护设计，读者可据此理解零信任聚合如何兼顾效率与隐私。

5月22日周五
  1. Google DeepMind23

    Google DeepMind 在亚太推出 Accelerator 计划，聚焦 AI 应对环境风险

    Google DeepMind 在亚太地区启动首届 Accelerator 计划，主题为“AI for the Planet”。该计划为期三个月，面向初创公司、研究团队和非营利组织，利用前沿 AI 解决自然、气候、农业、能源等领域的问题。入选机构将获得专家指导及 Google AI 专家在整合前沿 AI 和科学 AI 模型方面的支持，活动以新加坡线下训练营拉开序幕。

5月20日周三
  1. Google Research78

    Google 发布科研工具 ERA 并开放 Computational Discovery

    Google 在 Nature 发表论文介绍其科研工具 ERA，该工具基于 Gemini 编写和优化科学代码，采用树搜索在基因组学、公共卫生、卫星影像、神经科学、时序预测和数学等基准上达到专家级表现。

    推荐理由：原文给出了 ERA 在 Nature 的论文、跨学科基准表现以及 Computational Discovery 的开放入口，读者可据此判断它对科研工作流的影响。

5月19日周二
5月18日周一
  1. Google DeepMind58

    Google DeepMind 推出 Project Genie 街景锚定能力并面向全球 AI Ultra 订阅者开放

    Google DeepMind 宣布将 Genie 世界模型与 Google 街景真实影像结合，推出 Project Genie 的街景锚定能力，用户可选择美国地点并套用风格生成以真实位置为起点的互动世界。该功能即日起逐步向全球符合条件的 Google AI Ultra 200 美元订阅者开放，Project Genie 仍是 Google Labs 的实验性研究原型。