Google 发布 Earth AI 技术论文，详解基础模型与跨模态地理空间推理
Google 发布 Google Earth AI 相关技术论文，介绍新的 Imagery 与 Population 基础模型，以及由 Gemini 驱动的 Geospatial Reasoning 智能体，用于多步地理空间问答。
推荐理由：官方同步放出技术论文和评测数字，读者可以据此了解跨模态地理空间推理的实际能力边界与应用案例。
Google / Gemini
全部主题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。
最新精选
第 81–98 条 · 共 98 条Google Research精选AI 评分6262
Hugging Face Blog精选AI 评分6868 BigCode 发布 BigCodeArena：通过代码执行端到端评判代码生成模型
BigCode 发布 BigCodeArena，一个通过真实执行来评判代码生成模型的人类投票平台，支持 10 种语言和 8 种执行环境，开放无需注册。上线 5 个月收集 14K 对话、4700+ 偏好投票，Elo 排名中 o3-mini 和 o1-mini 居首。
推荐理由：基于5个月社区执行评估数据发布代码生成评测平台，给出分语言和执行环境的模型表现差异与两个新基准。
Hugging Face Blog精选AI 评分6767 Google 发布 EmbeddingGemma 高效多语言嵌入模型
Google 发布开源嵌入模型 EmbeddingGemma，308M 参数、2K 上下文窗口，支持超过 100 种语言，量化后内存占用低于 200 MB，适合端侧 RAG 和 Agent 场景。
推荐理由：官方博客给出架构、基准和各框架用法，还附完整微调示例，读者可以据此判断如何把它接入现有检索流程。
Hugging Face Blog精选AI 评分6868 Hugging Face 发布 nanoVLM：用纯 PyTorch 从零训练视觉语言模型的最简代码库
Hugging Face 发布 nanoVLM，一个纯 PyTorch 的轻量工具包，可在免费 Colab 上启动视觉语言模型训练，灵感来自 Andrej Karpathy 的 nanoGPT。
推荐理由：原文拆解了 nanoVLM 的架构、训练与推理全流程，代码轻量可读，适合想从头理解 VLM 训练机制的读者上手实践。
Hugging Face Blog精选AI 评分6868 Hugging Face 盘点视觉语言模型年度进展：更好、更快、更强
Hugging Face 发布长文，回顾 2024 年 4 月以来视觉语言模型（VLM）的关键变化与趋势。
推荐理由：Hugging Face 系统梳理了过去一年 VLM 的新架构、多模态 RAG、智能体与安全模型，可作为领域入门与选型参考。
Hugging Face Blog精选AI 评分8181 Google 发布开源多模态多语言长上下文模型 Gemma 3
Google 发布 Gemma 3 系列开源模型，提供 1B/4B/12B/27B 四种尺寸，4B 及以上支持图文输入和 140+ 种语言，上下文窗口扩展到 128K（1B 为 32K）。
推荐理由：文章梳理了 Gemma 3 各尺寸能力变化并给出 transformers、llama.cpp、MLX 的推理用法，便于判断上手方式。
Hugging Face Blog精选AI 评分6565 Hugging Face 盘点 Diffusers 中的开源视频生成模型现状
Hugging Face Diffusers 团队发文综述当前开源视频生成模型现状，覆盖 CogVideoX、Mochi-1、HunyuanVideo、LTX Video 等模型及其高资源需求、泛化与延迟等局限。
推荐理由：Diffusers 团队原文梳理了开源视频生成模型现状，并给出实测内存数据和一套可复用的推理与微调优化方法。
Hugging Face Blog精选AI 评分6262 Google 发布视觉语言模型 PaliGemma 2，含 3B、10B、28B 三种规模
Google 发布视觉语言模型 PaliGemma 2，将 SigLIP 图像编码器与 Gemma 2 语言模型结合，提供 3B、10B、28B 三种规模，支持 224x224、448x448 和 896x896 三种输入分辨率。
推荐理由：Google 发布 PaliGemma 2 视觉语言模型，提供 3B、10B、28B 三种规模与多分辨率选择，并附 transformers 集成和微调脚本。
Hugging Face Blog精选AI 评分6868 Google DeepMind 与 Hugging Face 在 Transformers v4.46.0 中推出 SynthID Text 文本水印
Google DeepMind 与 Hugging Face 在 Transformers v4.46.0 中发布 SynthID Text，可通过 g-function 与 tournament sampling 为任意 LLM 的 model.generate() 输出添加人眼不可见的水印。
推荐理由：原文给出水印的实现方式、配置参数与检测训练流程，开发者可以据此把 SynthID Text 接入现有生成调用。
Hugging Face Blog精选AI 评分6868 Google 发布 Gemma 2 2B、ShieldGemma 和 Gemma Scope
Google 在 Gemma 2 发布一个月后推出三款新模型：2.6B 参数的 Gemma 2 2B（含 base 和 instruct 版本，适合端侧使用）、基于 Gemma 2 的安全分类器系列 ShieldGemma（2B/9B/27B）以及覆盖 Gemma 2 2B 和 9B 每一层的开源稀疏自编码器套件 Gemma Scope。
推荐理由：原文详细给出 Gemma 2 2B 的端侧用法、辅助生成加速和两个配套工具的评测，对部署和模型解释研究都有可操作的参考价值。
Hugging Face Blog精选AI 评分6161 Hugging Face 与 KerasHub 集成上线，可直接加载 Transformers 库 300K+ 模型
Hugging Face 宣布 Transformers 与 KerasHub 采用共享模型保存格式，KerasHub 现可直接加载 Hub 上 346,268 个 Transformers 库模型。
推荐理由：官方宣布 Transformers 与 KerasHub 共享模型保存格式，KerasHub 用户可直接加载 Hub 上 300K+ 模型并切换 TensorFlow、JAX 或 PyTorch 后端。
Hugging Face Blog精选AI 评分6161 Hugging Face 在 Inference Endpoints 和 Spaces 上开放 Google Cloud TPU
Hugging Face 宣布用户可在 Inference Endpoints 和 Spaces 上使用 Google Cloud TPU v5e 加速 AI 应用。
推荐理由：Hugging Face 官方宣布接入 Google TPU，给出了实例配置和价格，读者可据此评估推理部署的成本选项。
Hugging Face Blog精选AI 评分7878 Google 发布开源大语言模型 Gemma 2，Hugging Face 完成生态集成
Google 发布开源大语言模型 Gemma 2，提供 9B 和 27B 两种参数规模，各有 base 与 instruction-tuned 版本，已上架 Hugging Face Hub。
推荐理由：Hugging Face 官方介绍 Gemma 2 四个开放权重模型的技术细节与生态集成，并给出 transformers、TRL 微调和 Inference Endpoints 部署的可用方法。
Hugging Face Blog精选AI 评分6969 Google 发布开源视觉语言模型 PaliGemma
Google 发布 PaliGemma 视觉语言模型系列，采用 SigLIP-So400m 图像编码器加 Gemma-2B 文本解码器的架构，提供 pt、mix、ft 三类checkpoint，支持 224x224、448x448、896x896 三种分辨率和 bfloat16、float16、float32 三种精度。
推荐理由：原文由官方介绍模型架构、三种checkpoint类型、基准分数和transformers推理微调用法，可作为上手PaliGemma的实用参考。
Hugging Face Blog精选AI 评分6565 Google 发布代码模型 CodeGemma，提供 2B 与 7B 三个开放版本
Google 与 Hugging Face 合作发布 CodeGemma，包含专注代码填充的 2B 基座、混合代码与自然语言的 7B 基座，以及 7B Instruct 对话版本，均支持 8K 上下文。
推荐理由：原文给出三个模型规格、基准对比与 FIM 提示词格式，读者可以据此选择适合延迟、显存或对话场景的版本。
Hugging Face Blog精选AI 评分6161 Hugging Face 与 Google Cloud 达成开源 AI 战略合作
Hugging Face 宣布与 Google Cloud 建立战略合作伙伴关系，围绕开放科学、开源和云硬件展开合作。
推荐理由：来自当事方官方公告，讲清了合作的四个方向和具体落地场景，读者可了解 Hugging Face 模型在 Google Cloud 上的可用路径。
Hugging Face Blog精选AI 评分6565 如何在免费版 Google Colab 上用 🧨 diffusers 运行 DeepFloyd IF 文生图模型
Hugging Face 官方博客演示用 🧨 diffusers 在免费版 Google Colab（13GB CPU 内存、T4 15GB 显存）上运行 DeepFloyd 的开源文生图模型 IF，并支持图像变化和局部重绘。
推荐理由：官方博客给出在 13GB 内存免费 Colab 上跑通 40GB 参数 IF 的完整低显存方案，含可复用的代码和量化技巧。
Hugging Face Blog精选AI 评分6464 Hugging Face 图解 RLHF：用人类反馈强化学习微调语言模型的完整流程
Hugging Face 发布长文图解 RLHF，将其拆为预训练语言模型、训练奖励模型、用 PPO 微调三个核心步骤。文中说明人类偏好采用排序而非直接打分以降低噪声，奖励函数含 KL 惩罚以防止策略偏离初始模型，并介绍 TRL、TRLX、RL4LMs 等开源工具及代表性论文，同时指出人类标注成本高、标注者分歧等局限。
推荐理由：这篇官方长文把 RLHF 拆解为预训练、奖励模型和 PPO 微调三步，并梳理开源工具与关键论文，适合建立完整认知。