跳到正文
只看一手#Google
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，这是其面向机器人的具身推理模型，可理解视频、编排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、时刻定位与多机协作上的具体指标和开放入口，可据此判断机器人大脑的能力边界。

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

    Google Research 发布 SymptomAI，一个基于 Gemini Flash 2.0 的对话式症状评估智能体，在 n=13,917 的随机全国研究中让参与者与五种不同提问策略的智能体对话并给出鉴别诊断（DDx）。

    推荐理由：Google 用 13917 人随机对照研究比较五种提问策略，并首次把 AI 诊断与 Fitbit 生理信号做交叉验证。

  2. Google Research62

    Google Research 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，提出用强化学习智能体从量子纠错检测事件中学习，在计算过程中持续调节数千个控制参数以对抗漂移。在 Willow 超导处理器上人为注入漂移后，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。

    推荐理由：Google 用强化学习让量子处理器在计算中持续校准控制参数，读者可了解纠错与校准解耦这一瓶颈的新解法。

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 DeepMind38

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

    Google DeepMind 与 Isomorphic Labs 公布生物韧性联合方案，一方面防止威胁行为者滥用其模型，一方面让政府和科研机构用 AI 应对疫情。过去 12 个月，双方已推进超 15 项合作，覆盖预防、检测与响应三环节，包括将 SynthID 水印技术适配生物学、用 AlphaEvolve 优化宏基因组测序算法，并向可信研究者开放最新 AI 系统以加速疫苗设计。

  2. Google Research27

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

    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学到的 score function 变平滑，让去噪过程在训练数据点之间插值，从而生成新样本。研究用一维 +1/-1 示例和两层 ReLU 网络实验验证，即使没有显式正则化，梯度训练的隐式正则化也能产生该效应。

7月13日周一
  1. Google DeepMind34

    Google DeepMind 推出 Gemini 驱动的 ATL Saathi，助力印度 ATL 教育者

    Google DeepMind 在印度启动 ATL Saathi 试点，这是一款由 Gemini 驱动的 Web 应用，为 Tinkering Lab 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，初期支持 8 种语言，由 Gemini 3.5 Flash 提供底层能力。首批覆盖 100 所试点学校。

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，预训练语料来自五百万名同意参与者、超过一万亿分钟的多模态传感器信号，覆盖 100 多个国家、50 个美国州和 20 多种 Fitbit 与 Pixel Watch 设备。

    推荐理由：Google 用五百万人的万亿分钟可穿戴数据预训练通用生理表征，读者可了解基础模型在健康信号上的规模化路径。

7月8日周三
7月3日周五
  1. Google DeepMind38

    Google DeepMind 与 A24 宣布首个此类研究合作

    Google DeepMind 与 A24 宣布达成首个此类研究合作，将顶尖研究实验室与电影制作公司配对，帮助艺术家开发新工作流与技术。合作将跨越多个项目，让 A24 及其电影人直接参与塑造新技术，同时为 Google DeepMind 提供艺术家反馈。Google 还对 A24 进行了投资。

7月1日周三
6月30日周二
  1. Google Research76

    Google 发布 TabFM 零样本表格数据基础模型

    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、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：原文给出零样本表格预测的架构设计与 TabArena 基准对比，可据此判断它能否替代传统树模型流程。

6月27日周六
  1. Google Research62

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

    Google Research 发布新架构，将多 token 预测（MTP）头接到已冻结的 Gemini Nano v3 模型上，在不改动主干权重的前提下加速端侧推理，已上线 Pixel 9 和 10 系列。

    推荐理由：Google 把多 token 预测接到冻结的 Gemini Nano v3 上，读者可了解端侧推理在内存与能耗约束下的具体优化路径。

6月25日周四
6月23日周二
6月17日周三
  2. Google DeepMind60

    Google DeepMind 与英国政府合作开发 AI 规划审批原型

    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 规划审批原型，目标是帮助审批人员将申请决策时间缩短 50%。

    推荐理由：英国政府与 Google DeepMind 合作开发规划审批原型，目标将审批时间减半，可观察 AI 进入公共服务的落地方式。

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，一套用于在 Google 内部部署和管理高级 AI 的框架，采用纵深防御思路，在模型对齐之外增加系统级安全层，把内部智能体视为可能未对齐的潜在内部威胁。

    推荐理由：DeepMind 公开内部 AI 控制路线图，给出检测与响应分级和百万条编码智能体轨迹的实测数据，可供安全团队参考。

6月13日周六
  1. Google Research38

    Google Research 研究 AI 如何帮助用户理解皮肤问题

    Google Research 公布两项关于 AI 辅助皮肤问题理解的研究，其中发表于 JAMA Dermatology 的大规模调查显示，2345 名参与者使用 AI 工具后尝试命名皮肤状况的比例超 62%，准确率 23%，约为对照组 8% 的近三倍。但 AI 组在判断下一步就医建议上未取得统计显著改善，且比对照组更易给出不够紧急的建议。

  2. Google Research38

    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 手机的主板搭建数据中心，为数百名师生提供低成本、低碳的云计算。研究显示 25-50 台手机约等于一台现代服务器，20 台手机组成的集群已能支撑 75 人以上课程的评分负载，且延迟低于 AWS 默认后端。该系统预计 2026 年秋季上线。

6月11日周四
  1. Google Research29

    Google Research 提出 Regularized f-Divergence Kernel Tests，用于审计机器遗忘

    Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests，用相对距离检验判断遗忘后的模型在分布上更接近安全重训模型还是原始受损模型。该框架基于 f-divergence，支持 Chi-squared、KL 和 Hockey-stick 等散度，可自动选择最优散度与超参数，无需样本划分，并在任意样本量下控制假阳性。

6月10日周三
6月9日周二
  2. Google DeepMind78

    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，一款面向笔记本电脑的智能体多模态模型，介于边缘端 E4B 与 26B MoE 之间，是首个支持原生音频输入的中等规模 Gemma 模型。

    推荐理由：Gemma 4 12B 用无编码器架构把视觉与音频直接接入 LLM 主干，读者可据此判断本地多模态智能体的硬件门槛。

6月8日周一
  1. Google DeepMind62

    Google DeepMind 在塞拉利昂开展 AI 学习试验并发布教师培训指南

    Google DeepMind 公布在塞拉利昂开展的预注册试验结果，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，八周内完成。

    推荐理由：原文给出塞拉利昂预注册试验的量化结果与教师主导设计，可了解 AI 辅助教学在真实课堂中的效果边界。

6月5日周五
  1. Google Research58

    Google 在 Gemini Enterprise Agent Platform 上线 Agentic RAG

    Google 在 Gemini Enterprise Agent Platform 推出由 Agentic RAG 驱动的跨语料检索公开预览版，通过编排器、规划器、查询改写、搜索扇出和充分上下文智能体协同处理多源多跳查询。相比标准 RAG，该框架在事实性数据集上准确率最高提升 34%；在跨语料设置下从 4 个候选语料中路由查询，90.1% 的问题回答正确，单语料与跨语料版本延迟平均相差约 3%。

  2. Google Research71

    Google 研究用手机前摄实现被动心率监测

    Google Research 在 Nature 发表 PHRM 研究系统，利用手机前摄在面部解锁后拍摄视频，在后台被动估算心率和静息心率。该系统与 ECG 对比的 MAPE 低于 10%，每日 RHR 与 Fitbit Charge 6 对比的 MAE 为 4.39 bpm，并在浅、中、深三种肤色分组中均达到预设的非劣效标准。

    推荐理由：Google 用手机前摄在解锁后被动测心率，论文给出跨肤色误差与可申请的数据和模型资源。

6月4日周四
  1. Google Research62

    Google 开源洪水预报水文建模框架

    Google Research 在 GitHub 上以 Apache 2.0 协议开源其水文建模框架，供各国气象与水文机构将 AI 洪水预报接入自身工作流。该框架是基于 PyTorch 的 Python 包，采用 LSTM 网络架构，可用开源 Caravan 数据集训练，并支持加入本地数据微调。

    推荐理由：Google 开源其洪水预报水文建模框架，读者可了解模型架构、训练数据与业务化接入方式。

5月29日周五
5月28日周四
  1. Google Research36

    Google 推出零信任聚合的隐私分析方案

    Google 为隐私分析服务推出零信任聚合方案，结合新型密码学聚合协议与 TEE，使设备只需单条消息即可安全提交数据，无需多轮在线交互。该协议可证明 Google 只能获得群体的匿名聚合洞察，原始个体数据即使在硬件保护范围内也不会被解密或重建，TEE 证明机制则向参与者验证协议按公开代码正确执行。