跳到正文

#Google

今日 5 条
5月16日周六
5月12日周二
  1. Google DeepMind64

    Google DeepMind 发布多智能体科研系统 Co-Scientist 并向个人研究者开放

    Google DeepMind 在 Nature 发表 Co-Scientist 研究，推出基于 Gemini 的多智能体 AI 系统，通过生成、辩论和进化假设迭代产生科研新假设，并通过 Hypothesis Generation 实验工具向个人研究者开放，未来几周开始推出，可在 labs.google/science 注册。

    推荐理由：官方发布完整介绍了 Co-Scientist 的多智能体架构、验证机制和多所高校实验室的实际应用结果，还给出了个人研究者注册入口。

5月6日周三
5月2日周六
4月30日周四
  1. Google DeepMind62

    Google DeepMind 发布 AI co-clinician 医疗协作智能体研究计划

    Google DeepMind 宣布 AI co-clinician 研究计划，探索在医生监督下辅助患者照护的 AI 智能体。在 98 个真实初级诊疗问题的盲评中 97 例零严重错误，在 RxQA 开放式用药问答上超越现有前沿模型；在 120 次远程医疗模拟会诊中，专家医生整体表现仍优于该系统，但在 140 项评估中有 68 项达到或超过初级保健医生水平，目前定位为辅助工具而非替代临床判断。

    推荐理由：原文同时给出医生端与患者端的评估设计和结果，读者可以据此了解该系统当前的真实边界与局限。

  2. Google Research62

    Google Research 展示科学家使用 Empirical Research Assistance 的四个科研方向

    Google Research 介绍自 9 月预印本发布 Empirical Research Assistance（ERA）以来，其科学家与学术合作者将其应用于真实科研的四个成果。

    推荐理由：文章展示了 ERA 在疫情预测、宇宙学、气候遥感和神经回路四个真实科研场景的应用结果，可了解 LLM 辅助科研的具体形态。

4月27日周一
4月23日周四
  1. Hugging Face Blog63

    Hugging Face 讲解如何在 Chrome 扩展的 Manifest V3 中运行 Transformers.js

    Hugging Face 发布教程，指导开发者在 Manifest V3 约束下用 Transformers.js 在 Chrome 扩展中运行本地 AI，并复刻其 Gemma 4 Browser Assistant 架构。

    推荐理由：作者基于自家 Gemma 4 浏览器扩展拆解 MV3 下运行 Transformers.js 的架构决策，给出可直接迁移的运行时划分与消息契约设计。

  2. Google Research61

    Google Photos Auto frame 上线 3D 视角重构功能，可自动调整照片拍摄角度

    Google 宣布将一种新的照片视角重构方法作为 Google Photos Auto frame 功能上线，用 ML 模型估计 3D 点图和相机参数，再由生成式扩散模型补全新视角下未拍摄到的区域。方法分 3D 场景与相机估计、生成式修补两阶段，可自动矫正广角前摄的透视畸变，对含人物的合格照片提供一键重构视角的备选结果。

    推荐理由：原文解释了将照片当作 3D 场景重建并重定位虚拟相机的两阶段方法，读者可以了解生成式修图与经典裁剪的区别。

4月22日周三
4月21日周二
4月16日周四
4月14日周二
4月13日周一
4月9日周四
4月3日周五
  2. Google DeepMind79

    Google DeepMind 发布 Gemma 4 开源模型，E2B/E4B/26B MoE/31B 四尺寸

    Google DeepMind 发布 Gemma 4 开源模型，基于 Gemini 3 技术，主打高级推理和智能体工作流。提供 E2B、E4B、26B MoE（推理时仅激活 3.8B 参数）和 31B Dense 四种尺寸，31B 在 Arena AI 文本排行榜上位列全球开源模型第 3，采用 Apache 2.0 许可，支持 128K-256K 上下文窗口、原生多模态和 140+ 语言。

    推荐理由：原文给出了四个尺寸、基准排名和部署细节，读者可以据此判断在本地和端侧硬件上的可用性。

4月2日周四
  1. Hugging Face Blog82

    Google DeepMind 发布 Gemma 4 多模态模型系列并登陆 Hugging Face

    Google DeepMind 发布 Gemma 4 多模态模型系列，共五个尺寸（E2B、E4B、12B Unified、31B、26B A4B MoE），采用 Apache 2.0 许可，支持图像、文本和音频输入，上下文窗口最高 256K。

    推荐理由：Hugging Face 官方详解 Gemma 4 架构、多模态能力与全生态部署方式，还覆盖 DiffusionGemma 和推理加速等上手细节。

4月1日周三
3月29日周日
  1. Google DeepMind60

    Google DeepMind 探索 AI 指针，将指向交互带入 Chrome 与 Googlebook

    Google DeepMind 发布由 Gemini 驱动的 AI 指针实验项目，提出维持心流、展示即告知、善用 this/that、把像素变成可操作实体四项交互原则，让用户通过指向和语音代替复杂提示词。

    推荐理由：原文给出了AI指针的四项交互原则和落地场景，读者可以据此了解指向加语音如何替代复杂提示词。

3月26日周四
  1. Google DeepMind66

    Google DeepMind 发布 Gemini 3.1 Flash Live 语音模型

    Google DeepMind 发布实时语音模型 Gemini 3.1 Flash Live，称其为迄今最高质量的音频模型，延迟更低、对话更自然。在 ComplexFuncBench Audio 上得分 90.8%，在开启 thinking 的 Scale AI Audio MultiChallenge 上得分 36.1%，均领先前代模型。

    推荐理由：官方给出两项音频基准分数和多产品开放入口，读者可以据此评估它对语音智能体开发的实际改进。

  2. Google DeepMind60

    Google DeepMind 发布衡量 AI 有害操纵的实证评估工具包

    Google DeepMind 发布关于 AI 有害操纵的新研究，称建立了首个经实证验证的评估工具包，用于测量 AI 以负面和欺骗性方式改变人类思想与行为的能力，并公开运行人类被试研究所需的全部材料。

    推荐理由：原文给出覆盖三国万余名参与者的实验设计和效能与倾向双维度框架，为理解和测量 AI 有害操纵风险提供了可复用的方法入口。

3月25日周三
  3. Google Research43

    Google Research 推出 S2Vec：用自监督嵌入学习城市建成环境的“语言”

    Google Research 在 Earth AI 计划下推出 S2Vec，一个自监督框架，将建成环境栅格化为多层级特征图像，再用 masked autoencoding 学习通用地理位置嵌入。评测显示 S2Vec 在零样本地理外推任务（如全美人口密度、中位收入预测）上通常是表现最好的单一模型，与图像嵌入做多模态融合后整体优于任一单一模态，但在树冠覆盖、海拔等环境类任务上仍需改进。

3月18日周三
  2. Google Research76

    Google Research 发表两项 Nature Cancer 研究，评估 AI 辅助英国 NHS 乳腺癌筛查工作流

    Google Research 联合多家 NHS 机构开展 AIMS 研究，在 Nature Cancer 发表两项研究评估 AI 乳腺癌检测系统。

    推荐理由：两项 Nature Cancer 研究同时给出大规模独立性能数据和真实双读工作流对比，读者能看到 AI 替代第二阅片人的收益与人工仲裁推翻 AI 的具体代价。

3月17日周二
3月12日周四
  1. Google Research61

    Google Flood Hub 推出 AI 城市山洪预报，可提前 24 小时预警

    Google Research 宣布在 Flood Hub 上推出城市山洪预报，利用新的 AI 方法可提前最多 24 小时预测城市山洪风险。该模型基于 Groundsource 方法，用 Gemini 分析公开新闻报道构建历史山洪事件数据集，并采用 LSTM 架构的 RNN 训练，仅依赖全球天气产品运行。

    推荐理由：原文给出用 Gemini 从新闻构建训练数据并让南半球达到接近发达国家的预报精度，读者可了解 AI 预警如何弥合警告缺口。

  3. Google Research64

    Google AMIE 完成真实门诊前瞻性可行性研究

    Google 与 Beth Israel Deaconess Medical Center 合作完成 AMIE 的前瞻性单中心可行性研究，100 名成人患者在门诊就诊前与 AMIE 进行问诊对话，由医生实时监督，全程未触发任何安全中止。

    推荐理由：原文给出真实门诊环境下的安全性、诊断与患者反馈数据，读者可以据此评估对话式医疗 AI 落地临床的现状与局限。

3月9日周一
3月7日周六
  1. Google Research50

    Google Research 发布非洲语言开放语音语料库 WAXAL

    Google Research 推出大规模开放语音数据集 WAXAL，覆盖撒哈拉以南非洲 27 种语言、超过 1 亿使用者。首批包含约 1,846 小时转写自然语音（WAXAL-ASR，采用图像提示引发自发话语）和 565 小时以上高保真 TTS 录音，以 CC-BY-4.0 许可发布，由 Makerere 大学、加纳大学等非洲机构主导采集，后续计划持续扩展语言。

  2. Google Research50

    谷歌开源模型 SpeciesNet 如何识别野生动物相机陷阱影像

    Google 开发的开源 AI 模型 SpeciesNet 可对相机陷阱图像中约 2,500 类（2,498 类）动物进行分类，训练数据超过 6500 万张标注图像。模型在留出测试集上能找出 99.4% 含动物的图像，可识别到物种级的预测中 94.5% 正确，标准笔记本每天约可处理 3 万张图像。过去一年，全球研究团队已用它在坦桑尼亚塞伦盖蒂、哥伦比亚、澳大利亚等地分析数百万张野生动物影像。