Google Research 推出了 TurboQuant 壓縮演算法及相關演算法 Quantized Johnson-Lindenstrauss 和 PolarQuant，用於解決向量量化中的記憶體開銷問題。實驗表明，TurboQuant 在長文本基準測試中能夠將 KV 快取記憶體大小減少至少 6 倍且不損失模型準確率，並在 H100 GPU 上實現了顯著的計算加速。
推薦理由：原文給出了新演算法的壓縮率和長文本評測結果，讀者可以據此評估其在降低記憶體開銷方面的實際效用。
Google Research 推出了 S2Vec，這是一個旨在學習城市和建築環境通用嵌入的自監督框架。該框架利用 S2 幾何庫將地球表面劃分為多解析度單元，將要素光柵化為多層影像，並通過掩碼自編碼技術在不需要手動標籤的情況下捕捉地理空間特徵。評估結果表明，S2Vec 在零樣本地理適應等社會經濟預測任務中表現出極強的效能，但在樹木覆蓋和高程等環境任務中仍需結合衛星影像嵌入來提升效果。
Google Research 在 The Check Up 活動上公佈了醫療健康領域的最新研究進展，涵蓋個性化醫療、臨床協作、開發者生態、公共衛生及生物醫學發現。
推薦理由：Google Research 公佈了醫療健康領域的最新研究成果與進展，讀者可以據此瞭解其技術在臨床、公共衛生和生物醫藥方面的實際應用方向。
Google Research 與英國國家醫療服務體系等機構合作在 Nature Cancer 發表了兩項研究，評估了基於人工智慧的乳腺癌檢測系統。研究表明，該系統在獨立篩查中展現出更高的癌症檢測靈敏度，並在融入雙人閱讀工作流時達到了非劣效的整體效能，同時有望大幅減少人工閱讀的工作量。
推薦理由：原文公佈了兩項評估乳腺癌篩查人工智慧系統的研究結果，讀者可以據此瞭解人工智慧在醫療影像診斷中的效能表現與臨床整合潛力。
Google Research 聯合多所高校在 PNAS 發表論文，評估了大語言模型在凝聚態物理學高溫超導專家級問題上的表現。研究發現，基於封閉受控資料來源的 NotebookLM 與定製系統表現優於聯網模型，並指出了現有系統在事實準確性、時效理解和圖表分析方面的不足。
推薦理由：這項研究評估了大語言模型在高溫超導領域的表現，為開發面向科學發現的可信工具提供了實證依據。
Google Research 推出 AI 驅動的城市閃洪預測系統，並在 Flood Hub 上提供服務。該系統利用 Groundsource 資料集和 Gemini 分析新聞報道，構建 24 小時預警模型。
推薦理由：Google 通過 AI 預測城市閃洪，提供 24 小時預警，填補全球南方缺乏預警的空白，可能挽救數千人生命，並提升災害響應效率。
Google Research 推出 Groundsource，利用 Gemini 將全球新聞報道轉化為結構化災害資料，首次公開 260 萬條洪水記錄，覆蓋 150+ 國家。該方法通過新聞文本提取、時間空間推理和地圖對映，驗證準確率達 82%，顯著擴充套件現有災害資料庫，為城市規劃、保險和應急響應提供可靠的歷史基線。
推薦理由：Groundsource 利用 Gemini 將全球新聞報道轉化為結構化災害資料，首次公開 260 萬條洪水記錄，覆蓋 150+ 國家，顯著提升災害預測精度，為城市規劃、保險和應急響應提供可靠的歷史基線。
Google Research 在 Beth Israel Deaconess Medical Center 進行了一項單中心前瞻性可行性研究，評估其對話式診斷 AI AMIE 在門診前訪談中的安全性與實用性。研究共招募 100 名成人患者，零安全停機事件，AMIE 的診斷準確率在前 7 名中達 90%，並獲得患者與醫生的高度接受度。
推薦理由：該研究首次在真實臨床環境中驗證了對話式診斷 AI 的可行性與安全性，為未來大規模臨床試驗奠定基礎，並顯示患者與醫生接受度高，提示其在臨床決策支援中的價值。