Google 对 Genesis 任务的 4 千万美元承诺
Google DeepMind 宣布向 DOE 17 个国家实验室提供 4 千万美元 AI 代币和云额度，以支持 Genesis 任务。
Why Recommended: Google DeepMind 通过 4 千万美元 AI 代币和云额度，助力 DOE 研究者加速科学突破。
Google / Gemini
全部主題Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。
最新精選
第 41–60 條 · 共 88 條Google DeepMindFeaturedAI Score6464
Google DeepMindFeaturedAI Score8484 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber
Google DeepMind 推出 Gemini 3.6 Flash、3.5 Flash-Lite 以及 3.5 Flash Cyber 三款新模型，旨在以更高效率和更低延迟支撑大规模 AI 智能体工作流。
Why Recommended: 官方发布了三个新的 Gemini Flash 系列模型，给出了详细的性能指标与价格，读者可以据此评估其在智能体工作流和高吞吐任务中的成本与效率。
Google DeepMindFeaturedAI Score6363 Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型
Google DeepMind 推出了基于 3.5 Flash 构建并针对网络安全任务微调的轻量化模型 Gemini 3.5 Flash Cyber，旨在帮助防御者快速发现、验证和修补软件漏洞。
Why Recommended: Google DeepMind 推出了专为网络安全微调的轻量化模型，通过支持高频率和多轮调用，在多个安全基准上展现了优于 mainline 模型和部分竞品的漏洞挖掘能力。
Google ResearchFeaturedAI Score6262 揭示扩散模型创造力的奥秘
Google Research 通过数学分析解释了扩散模型的创造力来源，指出正则化导致的分数平滑使模型在去噪过程中产生插值，从而生成新颖图像。文章以一维示例说明分数平滑如何软化梯度，并通过实验验证权重衰减对其影响；在多维情形下，分数平滑帮助模型在数据流形上平衡质量与新颖性。作者已公开实验代码。
Why Recommended: 本文阐释扩散模型创造力来源，揭示正则化导致的分数平滑如何产生新颖图像，并指出可通过调节正则化实现更具创造性的生成。
Google ResearchFeaturedAI Score6666 Google Research 推出 SensorFM：面向可穿戴健康数据的通用大模型
Google Research 推出了 SensorFM，这是一个在大规模未标注可穿戴传感器数据上预训练的大型传感器基础模型。该模型使用超一万亿分钟的多模态传感器信号进行自监督训练，能够跨越心血管、代谢、睡眠和心理健康等多个领域进行通用表征，并支持构建更精准的个人健康智能体。
Why Recommended: 研究展示了如何利用大规模未标注传感器数据训练通用生理表征，读者可以了解其在多任务泛化和健康智能体中的表现。
Google ResearchFeaturedAI Score6161 合作的力量：我们如何减少交通拥堵
Google Research 在 Nature Cities 发表研究，通过在 10 个美国大城市进行的大规模真实实验表明，利用导航平台对一小部分行程进行协同路由干预，能够分散交通并显著提高行驶速度、减少碳排放。该研究修改了 Google Maps 算法以引导车辆避开拥堵路段，通过系统性的城市级交叉实验验证了网络化导航技术在改善整体交通状况方面的有效性。
Why Recommended: Google Research 在 Nature Cities 发表研究，通过在 10 个美国大城市进行的大规模真实实验表明，利用导航平台对一小部分行程进行协同路由干预，能够分散交通并显著提高行驶速度、减少碳排放。该研究修改了 Google Maps 算法以引导车辆避开拥堵路段，通过系统性的城市级交叉实验验证了网络化导航技术在改善整体交通状况方面的有效性。
Google DeepMindFeaturedAI Score7676 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash 模型
Google DeepMind 推出两款新模型：速度最快且最具成本效益的图像模型 Nano Banana 2 Lite，以及用于高质量视频生成和对话式编辑的 Gemini Omni Flash。
Why Recommended: Google DeepMind 推出 Nano Banana 2 Lite 与 Gemini Omni Flash 两款新模型，为开发者串联图像生成与视频编辑提供了低成本且高效的新方案。
Google ResearchFeaturedAI Score6363 Google Research 发布 TabFM：面向表格数据的零样本基础模型
Google Research 推出了 TabFM，这是一个专为表格数据分类和回归设计的零样本基础模型。该模型通过将表格预测转换为上下文学习问题，消除了传统机器学习中的手动模型训练、超参数调优和复杂特征工程，能够在单次前向传递中对未见过的表格生成高质量预测。
Why Recommended: Google Research 发布了面向表格数据的零样本基础模型 TabFM，读者可以据此了解大模型架构如何简化分类和回归的工作流。
Google ResearchFeaturedAI Score6565 Google Research：利用冻结的多Token预测技术在 Pixel 设备上加速 Gemini Nano 模型
Google Research 宣布推出一项新架构，将多Token预测（MTP）技术应用到已部署且权重被冻结的 Gemini Nano v3 模型上。该方法采用零拷贝架构直接利用主模型的键值缓存，在 Pixel 9 和 10 系列设备上实现了 50% 或更高的推理速度提升，并减少了能耗。
Why Recommended: 谷歌研究团队通过在已冻结的 Gemini Nano 模型上应用多Token预测架构，在不增加内存冗余的前提下显著提升了端侧设备的推理速度与能效。
Google ResearchFeaturedAI Score6363 Google Research：思考以检索：推理如何解锁大语言模型中的参数化知识
Google Research 探讨了大语言模型中推理如何解锁参数化知识，通过控制实验揭示了计算缓冲区效应和事实启动两大机制。研究表明，即使面对简单的单跳问题，启用推理也能帮助模型召回原本难以触及的正确答案。不过，推理阶段产生的中途幻觉会显著降低最终答案的正确率。
Why Recommended: 研究揭示了推理如何解锁大语言模型的参数化知识，并指出了中间事实对准确率的关键影响。
Google DeepMindFeaturedAI Score6464 Google DeepMind 推出 Gemini 3.5 Flash 内置 computer use 功能
Google DeepMind 宣布在 Gemini 3.5 Flash 中内置 computer use 功能，使其能够跨浏览器、移动端和桌面环境执行智能体任务。该功能支持长周期和企业自动化场景，并通过对抗性训练与可选的企业安全保护系统来降低提示词注入等风险。开发者现可通过 Gemini API 和 Gemini Enterprise Agent Platform 开始构建相关应用。
Why Recommended: 官方将 computer use 能力直接集成至主模型，开发者可据此构建能跨平台操作的自定义智能体。
Google DeepMindFeaturedAI Score8181 Gemini 3.5 Live Translate 实时语音翻译实现流畅自然
Gemini 3.5 Live Translate 是 Google DeepMind 推出的最新音频模型，支持 70+ 语言的实时语音对语音翻译。该模型可持续流式处理，几秒延迟，自动检测语言并保持语调、节奏与音高。
Why Recommended: Gemini 3.5 Live Translate 提供 70+ 语言的实时语音翻译，减少停顿，适用于会议、通话等场景，帮助开发者快速构建多语言翻译应用。支持多语言输入，无需手动配置，噪声鲁棒性强，适合嘈杂环境。
Google DeepMindFeaturedAI Score8686 推出 Gemma 4 12B：无编码器统一多模态模型
DeepMind 推出 Gemma 4 12B，这是一款无编码器的统一多模态模型，能够直接在配备 16GB VRAM 的笔记本上运行。它在保持与 26B MoE 近似的推理性能的同时，显著降低了内存占用，并首次支持原生音频输入。
Why Recommended: Gemma 4 12B 以无编码器的多模态架构实现低内存、强推理，适配本地 16GB VRAM 机器，读者可据此评估在边缘设备上的部署可能。
Google DeepMindFeaturedAI Score6464 测量 AI 在塞拉利昂及其他地区学习影响
DeepMind 在塞拉利昂开展了一项预注册试验，评估 AI 辅助学习工具 Guided Learning 对学生数学成绩的影响。实验显示，学生使用 Guided Learning 的数学成绩提升了 0.258 标准差，等同于 1.2 至 1.7 年的学习进度；在课堂中使用 Gemini 的教师班级更高达 1.8 至 2.5 年的进步。
Why Recommended: 该研究展示了 Gemini 辅助教学可在短期内显著提升学生数学成绩，验证了 AI 与教师协同的有效性。
Google ResearchFeaturedAI Score6464 Gemini Enterprise Agent Platform 发布 Agentic RAG 提升可靠响应
Google Research 推出了 Gemini Enterprise Agent Platform 的 Agentic RAG，利用多代理协同、规划与足够上下文机制，提升多源多跳查询的准确率至 34%，在跨语料库实验中保持 90.1% 的高准确率，且延迟与单语料库版本相近。该功能已作为公开预览提供。
Why Recommended: 该系统在多源多跳查询中将准确率提升至 34%，为企业工作流提供更可靠的答案，并在跨语料库场景下保持 90.1% 的高准确率。
Google ResearchFeaturedAI Score7171 Google Research 推出基于智能手机摄像头的被动心率与静息心率监测系统 PHRM
Google Research 推出了被动心率监测系统（PHRM），利用智能手机前置摄像头在日常面部解锁后进行视频采集，通过深度学习实现全肤色覆盖的心率与静息心率精准追踪。该研究结合实验室与真实世界评估，在各类肤色上均达到了与穿戴设备相当的准确率，并同步开源了相关数据集与“PHRM-mini”预训练模型供合规研究者申请使用。
Why Recommended: 研究推出了基于智能手机摄像头的被动心率监测系统，其准确率达到行业标准并开源了数据集与预训练模型。
Google ResearchFeaturedAI Score7272 Google开源水文框架，开启洪水韧性新篇章
Google Research公开了其水文模型框架，供各国气象机构在GitHub上使用和构建AI洪水预报模型。该框架基于PyTorch实现LSTM网络，支持使用Caravan数据集训练，并已在Czech Hydrometeorological Institute验证，提升预测时效6天。
Why Recommended: Google公开的水文框架让各国气象机构可自行训练AI洪水预报模型，提升预测时效并降低技术门槛。
Google ResearchFeaturedAI Score6969 Google Research 在 I/O 2026 上开启新发现时代
Google Research 在 I/O 2026 上公布了多款 AI 工具与模型，涵盖科研加速、健康应用、边缘计算与气候预测等领域。
Why Recommended: Google Research 在 I/O 2026 上公布多款 AI 工具与模型，展示了从科研到产品的快速落地与实际影响，凸显代理式编码与多模态推理在科学与日常应用中的变革潜力，并为全球科研社区提供了可扩展的实验平台。
Google ResearchFeaturedAI Score7474 Google 发布科研辅助工具 Empirical Research Assistance 并推出 Computational Discovery
Google 发布由 Gemini 驱动的科研辅助工具 Empirical Research Assistance（ERA），可用于编写和优化科学代码，并在《Nature》杂志上发表了相关论文。
Why Recommended: Google 推出基于 Gemini 的科研辅助工具 Empirical Research Assistance，读者可以了解其在多学科科学发现中的应用实例和开放入口。
Google DeepMindFeaturedAI Score6363 Google DeepMind 推出 Project Genie 街景接地功能并扩大访问范围
Google DeepMind 推出了将 Project Genie 与 Google Street View 结合的新街景接地功能，允许用户利用真实街景图像生成互动虚拟环境，并面向全球 Google AI Ultra 订阅者逐步开放。新功能通过 Maps Imagery Grounding 技术支持，目前美国地区的街景图像已可用。
Why Recommended: 该产品更新将世界模型与街景数据结合，为用户和智能体提供了在现实地点基础上生成互动环境的新能力。