Google Research 推出 SensorFM：面向可穿戴健康資料的通用大模型
Google Research 推出了 SensorFM，這是一個在大規模未標註可穿戴感測器資料上預訓練的大型感測器基礎模型。該模型使用超一萬億分鐘的多模態感測器訊號進行自監督訓練，能夠跨越心血管、代謝、睡眠和心理健康等多個領域進行通用表徵，並支援構建更精準的個人健康智慧體。
推薦理由：研究展示瞭如何利用大規模未標註感測器資料訓練通用生理表徵，讀者可以瞭解其在多工泛化和健康智慧體中的表現。
Google / Gemini
全部主題Google 與 DeepMind 的 AI 動態：Gemini 系列、Veo 影片模型、研究成果與產品生態的持續追蹤。
315條精選相關主題OpenAI / ChatGPTAnthropic / Claude多模態
最新精選
第 241–260 條 · 共 315 條Google Research精選品質評分6666
Google Research精選品質評分6161 合作的力量：我們如何減少交通擁堵
Google Research 在 Nature Cities 發表研究，通過在 10 個美國大城市進行的大規模真實實驗表明，利用導航平臺對一小部分行程進行協同路由干預，能夠分散交通並顯著提高行駛速度、減少碳排放。該研究修改了 Google Maps 演算法以引導車輛避開擁堵路段，通過系統性的城市級交叉實驗驗證了網路化導航技術在改善整體交通狀況方面的有效性。
推薦理由：Google Research 在 Nature Cities 發表研究，通過在 10 個美國大城市進行的大規模真實實驗表明，利用導航平臺對一小部分行程進行協同路由干預，能夠分散交通並顯著提高行駛速度、減少碳排放。該研究修改了 Google Maps 演算法以引導車輛避開擁堵路段，通過系統性的城市級交叉實驗驗證了網路化導航技術在改善整體交通狀況方面的有效性。
openrouter blog精選品質評分6464 LLM 中如何選擇最佳圖片輸入細節層級
OpenRouter 團隊對 OpenAI 與 Google 最新模型的圖片細節引數進行基準測試，發現在推理模型中將圖片設為低解析度（low）反而會因模型需花費更多思考力而增加總成本並降低準確率。
推薦理由：評測顯示推理模型使用低解析度圖片反而會增加思考負擔並拉高總成本，讀者可據此調整視覺任務的圖片細節與推理引數。
Google DeepMind精選品質評分7676 Google DeepMind 釋出 Nano Banana 2 Lite 與 Gemini Omni Flash 模型
Google DeepMind 推出兩款新模型：速度最快且最具成本效益的影像模型 Nano Banana 2 Lite，以及用於高質量影片生成和對話式編輯的 Gemini Omni Flash。
推薦理由：Google DeepMind 推出 Nano Banana 2 Lite 與 Gemini Omni Flash 兩款新模型，為開發者串聯影像生成與影片編輯提供了低成本且高效的新方案。
Google Research精選品質評分6363 Google Research 釋出 TabFM：面向表格資料的零樣本基礎模型
Google Research 推出了 TabFM，這是一個專為表格資料分類和迴歸設計的零樣本基礎模型。該模型通過將表格預測轉換為上下文學習問題，消除了傳統機器學習中的手動模型訓練、超引數調優和複雜特徵工程，能夠在單次前向傳遞中對未見過的表格生成高質量預測。
推薦理由：Google Research 釋出了面向表格資料的零樣本基礎模型 TabFM，讀者可以據此瞭解大模型架構如何簡化分類和迴歸的工作流。
openrouter blog精選品質評分6464 DeepSeek V4 正在贏得 Agentic Token 佔有率
DeepSeek 於 4 月 24 日發布旗艦 DeepSeek V4 模型後，在 OpenRouter 上的 token 佔有率在六個月內實現翻倍，其中很大一部分增長由 Agentic 工作負載驅動。
推薦理由：原文基於平臺請求日誌分析 DeepSeek V4 發布後的市佔率變化，讀者可從中瞭解模型價效比與智慧體工作負載的最新趨勢。
Google Research精選品質評分6565 Google Research：利用凍結的多Token預測技術在 Pixel 裝置上加速 Gemini Nano 模型
Google Research 宣佈推出一項新架構，將多Token預測（MTP）技術應用到已部署且權重被凍結的 Gemini Nano v3 模型上。該方法採用零複製架構直接利用主模型的鍵值快取，在 Pixel 9 和 10 系列裝置上實現了 50% 或更高的推理速度提升，並減少了能耗。
推薦理由：谷歌研究團隊通過在已凍結的 Gemini Nano 模型上應用多Token預測架構，在不增加記憶體冗餘的前提下顯著提升了端側裝置的推理速度與能效。
Google Research精選品質評分6363 Google Research：思考以檢索：推理如何解鎖大語言模型中的引數化知識
Google Research 探討了大語言模型中推理如何解鎖引數化知識，通過控制實驗揭示了計算緩衝區效應和事實啟動兩大機制。研究表明，即使面對簡單的單跳問題，啟用推理也能幫助模型召回原本難以觸及的正確答案。不過，推理階段產生的中途幻覺會顯著降低最終答案的正確率。
推薦理由：研究揭示了推理如何解鎖大語言模型的引數化知識，並指出了中間事實對準確率的關鍵影響。
Google DeepMind精選品質評分6464 Google DeepMind 推出 Gemini 3.5 Flash 內建 computer use 功能
Google DeepMind 宣佈在 Gemini 3.5 Flash 中內建 computer use 功能，使其能夠跨瀏覽器、移動端和桌面環境執行智慧體任務。該功能支援長週期和企業自動化場景，並通過對抗性訓練與可選的企業安全保護系統來降低提示詞注入等風險。開發者現可通過 Gemini API 和 Gemini Enterprise Agent Platform 開始構建相關應用。
推薦理由：官方將 computer use 能力直接整合至主模型，開發者可據此構建能跨平臺操作的自定義智慧體。
Together AI Official Blog精選品質評分7777 ParallelKernelBench：前沿 LLM 尚未能快速編寫多 GPU 核心
ParallelKernelBench 是一個測試多 GPU 核心生成的基準，評估 GPT‑5.5、Gemini 3 Pro 等前沿模型的表現。 - 核心特性：87 個實際工作負載，涵蓋多種分散式並行策略。
推薦理由：此研究揭示前沿 LLM 在多 GPU 核心生成上的侷限，提供可量化的基準與改進方向，並展示首批成功案例。
Import AI精選品質評分7070 AI 超越專家說服力、探索自給自足 AI 與通往 ASI 的路徑
AI 系統在多項說服實驗中已明顯優於專業人類，甚至在實際募款中比專業募款員高出 10.8% - 說服實驗規模：四項研究共 18,978 次對話，6,923 名參與者，AI 在所有類別（隨機、選拔、訓練）中均優於人類。
推薦理由：研究顯示 AI 在說服力上已超越專家，凸顯對社會權力結構與監管挑戰的迫切性，亦提醒需審慎部署以防偏見與濫用。
DevClass (Developer News)精選品質評分7272 雲端新型 agentic AI 準備、Arm 為動力的基礎架構
Arm 架構正在重塑雲端 AI 基礎設施，透過高效能與節能優勢，幫助企業降低成本並提升可持續發展。 - Arm 架構在雲端 AI 服務中提供高效能與節能優勢。
推薦理由：Arm 架構在雲端 AI 服務中提供高效能與節能優勢，促進成本競爭力與可持續發展，同時支援多元工作負載的最佳化與彈性擴充套件。
Google DeepMind精選品質評分8181 Gemini 3.5 Live Translate 即時語音翻譯實現流暢自然
Gemini 3.5 Live Translate 是 Google DeepMind 推出的最新音訊模型，支援 70+ 語言的即時語音對語音翻譯。該模型可持續流式處理，幾秒延遲，自動檢測語言並保持語調、節奏與音高。
推薦理由：Gemini 3.5 Live Translate 提供 70+ 語言的即時語音翻譯，減少停頓，適用於會議、通話等場景，幫助開發者快速構建多語言翻譯應用。支援多語言輸入，無需手動配置，噪聲魯棒性強，適合嘈雜環境。
Google DeepMind精選品質評分8686 推出 Gemma 4 12B：無編碼器統一多模態模型
DeepMind 推出 Gemma 4 12B，這是一款無編碼器的統一多模態模型，能夠直接在配備 16GB VRAM 的筆記本上執行。它在保持與 26B MoE 近似的推理效能的同時，顯著降低了記憶體佔用，並首次支援原生音訊輸入。
推薦理由：Gemma 4 12B 以無編碼器的多模態架構實現低記憶體、強推理，適配本地 16GB VRAM 機器，讀者可據此評估在邊緣裝置上的部署可能。
Google DeepMind精選品質評分6464 測量 AI 在獅子山及其他地區學習影響
DeepMind 在獅子山開展了一項預註冊試驗，評估 AI 輔助學習工具 Guided Learning 對學生數學成績的影響。實驗顯示，學生使用 Guided Learning 的數學成績提升了 0.258 標準差，等同於 1.2 至 1.7 年的學習進度；在課堂中使用 Gemini 的教師班級更高達 1.8 至 2.5 年的進步。
推薦理由：該研究展示了 Gemini 輔助教學可在短期內顯著提升學生數學成績，驗證了 AI 與教師協同的有效性。
Import AI精選品質評分8484 Import AI 460：社會規則破解、RL 航拍競速與偏見影響研究概覽
Import AI 460 提供了多篇 AI 研究的概覽，涵蓋社會規則破解、RL 航拍競速、以及語言模型對政治偏見的影響。 - SocioHack：72 個沙盒環境，RL 模型以 61.25% 的召回率與 90.85% 的精準度重新發現歷史漏洞，測試範圍從信用卡點數到學校成績。
推薦理由：多篇研究聚焦 AI 在社會規則、機器人競速與偏見影響的最新進展，為跨領域洞察提供參考，並揭示未來自動化治理與軍事應用的挑戰。
Google Research精選品質評分6464 Gemini Enterprise Agent Platform 釋出 Agentic RAG 提升可靠響應
Google Research 推出了 Gemini Enterprise Agent Platform 的 Agentic RAG，利用多代理協同、規劃與足夠上下文機制，提升多源多跳查詢的準確率至 34%，在跨語料庫實驗中保持 90.1% 的高準確率，且延遲與單語料庫版本相近。該功能已作為公開預覽提供。
推薦理由：該系統在多源多跳查詢中將準確率提升至 34%，為企業工作流提供更可靠的答案，並在跨語料庫場景下保持 90.1% 的高準確率。
Google Research精選品質評分7171 Google Research 推出基於智慧手機攝像頭的被動心率與靜息心率監測系統 PHRM
Google Research 推出了被動心率監測系統（PHRM），利用智慧手機前置攝像頭在日常面部解鎖後進行影片採集，通過深度學習實現全膚色覆蓋的心率與靜息心率精準追蹤。該研究結合實驗室與真實世界評估，在各類膚色上均達到了與穿戴裝置相當的準確率，並同步開源了相關資料集與“PHRM-mini”預訓練模型供合規研究者申請使用。
推薦理由：研究推出了基於智慧手機攝像頭的被動心率監測系統，其準確率達到行業標準並開源了資料集與預訓練模型。
Google Research精選品質評分7272 Google開源水文框架，開啟洪水韌性新篇章
Google Research公開了其水文模型框架，供各國氣象機構在GitHub上使用和構建AI洪水預報模型。該框架基於PyTorch實現LSTM網路，支援使用Caravan資料集訓練，並已在Czech Hydrometeorological Institute驗證，提升預測時效6天。
推薦理由：Google公開的水文框架讓各國氣象機構可自行訓練AI洪水預報模型，提升預測時效並降低技術門檻。
Import AI精選品質評分7373 Import AI 459：AI 監督困難、蛋白質模型規模法則與 AI 系統滅絕風險定價
Import AI 459 以多角度回顧 AI 經濟增長、監督難題、資料集與蛋白質模型進展，並探討 AI 系統滅絕風險的定價。 - AI 經濟：美國 AI GDP 估計 2025 年約 2500 億美元，年增速超 2600%。
推薦理由：深入探討透過多角度分析，瞭解 AI 產業增長、監督挑戰、資料資源與生物科學突破，協助讀者把握未來趨勢。