Google Earth AI 发布英国树篱与林地矢量数据集
Google Research 联合牛津大学发布英国全境树篱、石墙与小片林地的矢量数据集，将此前的 Farmscapes 2020 像素级地图转化为可用于景观修复与碳核算的可操作清单。
#多模态
Google ResearchAI 评分4747
Google ResearchAI 评分5454 Google Research 发布AI辅助皮肤状况理解研究
Google Research 分享了关于消费者如何用AI理解皮肤问题的两项研究。其中发表于 JAMA Dermatology 的大规模调查纳入 2,345 名参与者，使用AI工具时参与者尝试命名病症的比例超过 62%（对照组为 41%），命名准确率达 23%，约为对照组 8% 的三倍；但下一步就医决策的准确率在标准AI组未见统计显著提升。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 3.5 Live Translate 语音翻译模型
Google DeepMind 发布最新音频模型 Gemini 3.5 Live Translate，支持 70+ 语言近实时语音到语音翻译，可自动检测语言并保留说话者的语调、节奏和音高，持续生成语音且仅比说话者落后几秒。
推荐理由：原文说明了从五种语言到 70+ 语言的跨度变化，读者可据此判断它对会议翻译场景的实际影响。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemma 4 12B：无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，定位为可在 16GB RAM 消费级笔记本本地运行的智能体多模态模型，是该系列首个支持原生音频输入的中等规模模型。
推荐理由：原文说明了无编码器架构如何省下延迟与显存，读者可据此判断本地多模态部署的可行性。
Hugging Face Blog精选AI 评分6262 Hugging Face 博客：编码 Agent 串联两个 Spaces 搭建 3D 巴黎地标展馆
Hugging Face 博客展示了作者让一个编码 Agent 通过直接调用两个 Hugging Face Spaces 构建 3D 巴黎地标展馆的全过程，作者全程未手动使用图像生成器或 3D 重建工具。
推荐理由：通过一个可复现的实例展示了 agents.md 让 Space 变成可调用积木，读者可据此理解多媒体工作流的组装方式。
Google Research精选AI 评分7070 Google Research 发表 Nature 论文：用智能手机前置摄像头被动监测心率
Google Research 在 Nature 发表论文介绍 PHRM 系统，可在日常使用手机时通过前置摄像头在人脸解锁后拍摄视频，被动估计心率与静息心率，心率 MAPE < 10%，日均静息心率相对可穿戴设备 MAE < 5 bpm。
推荐理由：原文给出了跨肤色非劣性标准与真实场景验证方法，可迁移用于评估rPPG类健康监测模型的公平性。
Hugging Face Blog精选AI 评分6262 NVIDIA 发布 Nemotron 3.5 Content Safety 多模态内容安全模型
NVIDIA 发布 Nemotron 3.5 Content Safety，基于 Gemma 3 4B IT 微调，将多模态输入、多语言覆盖、自定义企业策略执行与可审计推理统一到单次推理调用中。
推荐理由：原文逐项说明了 3.5 相对 3 的能力变化与设计取舍，读者可据此判断自定义策略与推理轨迹如何接入生产管线。
OpenAI NewsAI 评分3434 波士顿儿童医院用 OpenAI 技术诊断 40 多例罕见病
波士顿儿童医院使用 OpenAI 技术改善患者护理、减轻运营负担，并帮助诊断出 40 多例罕见病病例。
Google Research精选AI 评分6767 Google Research 发布 I/O 2026 研究成果综述
Google Research 发布 I/O 2026 综述，介绍其在科学发现、健康、边缘计算、天气预测、Gemini 核心能力、开发者生产力、隐私保护和量子计算等方向的研究与产品进展。
推荐理由：官方长文系统梳理了研究到产品的转化路径，读者可据此理解其各条线的布局重点。
Mistral AIAI 评分4545 Mistral AI 的 Physics AI 研究成果盘点
Mistral AI 通过收购 Emmi AI 加码 Physics AI，面向航空航天、汽车、半导体和能源等行业构建基础模型。其已发表成果包括 AB-UPT（可在单 GPU 上处理 9M surface 和 140M volume cells 的气动 CFD 模型）、UPT、NeuralDEM、GyroSwin 5D 等，覆盖 CFD、等离子体湍流与工业多物理过程的神经代理模型。
Hugging Face BlogAI 评分4747 OlmoEarth v1.1：更高效的地球观测模型家族
Hugging Face 推出 OlmoEarth v1.1 地球观测模型家族，在保持 OlmoEarth v1 性能的同时将计算成本最高降低 3x。该版本通过将 Sentinel-2 各分辨率合并为单一 token 使 token 数量减少三倍，并调整预训练方案以避免性能下降。模型提供 Base、Tiny、Nano 三种尺寸，已开放权重和训练代码。
OpenAI NewsAI 评分4444 OpenAI 推进 AI 内容溯源，提升 AI 生态安全性与透明度
OpenAI 推出 Content Credentials、SynthID 和一项验证工具，帮助人们识别并信任 AI 生成的媒体内容，以推进 AI 内容溯源。这些措施旨在提升 AI 生态系统的安全性与透明度。
Hugging Face BlogAI 评分4444 PaddleOCR 3.5：用 Transformers 后端运行 OCR 与文档解析任务
PaddleOCR 3.5 发布，支持通过 `engine="transformers"` 参数将 Hugging Face Transformers 作为推理后端运行 PP-OCRv5、PaddleOCR-VL 1.5 等模型，同时保留 Paddle 静态图/动态图后端。
Google DeepMindAI 评分5858 Project Genie 接入 Street View 推出真实地点模拟能力并向 Google AI Ultra 订阅者开放
Google DeepMind 在 Project Genie 中推出由 Street View 支撑的新能力，可将生成世界的起点锚定在真实地点影像上，并向全球符合条件的 Google AI Ultra $200 订阅者（18+）逐步开放。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini Omni Flash 视频生成模型
Google DeepMind 发布 Omni 家族首个模型 Gemini Omni Flash，可将图像、音频、视频和文本组合作为输入，生成基于 Gemini 真实世界知识的高质量视频，并支持通过自然语言对话编辑视频，每次指令在上一次基础上延续，保持角色一致和场景记忆。
推荐理由：原文说明了 Omni 与 Gemini 推理能力的结合方式和开放入口，读者可据此判断它会怎样改变视频创作工作流。
Google DeepMind精选AI 评分6262 Google DeepMind 推出 Gemini for Science 系列科学工具与实验
Google DeepMind 推出 Gemini for Science，包含 Google Antigravity 中的 Science Skills 以及 Google Labs 上三个实验工具。
推荐理由：原文列出了三个实验工具的具体能力与开放入口，读者可据此判断它会怎样嵌入现有科研工作流。
Google DeepMind精选AI 评分6969 Google DeepMind 扩展 SynthID 与 C2PA 内容透明与验证工具
Google DeepMind 宣布在 Search、Gemini、Chrome、Pixel 和 Cloud 扩展内容透明与验证工具：SynthID 已为超过 100 billion 张图片视频和 60,000 年音频加水印，Gemini app 的 SynthID 验证已被使用 50 million 次，现扩展到 Search 并将在数周内进入 Chrome。
推荐理由：原文列出了 SynthID 与 C2PA 在多产品线的落地节奏和采用规模，可据此判断内容溯源工具的普及路径。
Google DeepMindAI 评分4444 Google DeepMind 与新加坡政府启动国家 AI 合作新计划
Google DeepMind 作为 Google 与新加坡政府新国家 AI 合作的关键一环，在当地推出多项新计划，覆盖医疗、教育、科研与可持续发展。
Google DeepMindAI 评分5151 Google DeepMind：剑桥大学用 Co-Scientist 缩短传染病研究周期
Google DeepMind 介绍剑桥大学 Clare Bryant 教授使用 Co-Scientist 寻找病原体跨物种传播引发重症的分子开关。Bryant 先后输入课题摘要与完整基金申请书，工具生成并排序假设，最终锁定她此前未关注的蛋白并细化到具体氨基酸，团队正构建含相应突变的细胞系验证。她表示原本需两到三年的实验工作如今有望在六个月内完成。
Google DeepMind精选AI 评分7474 Google DeepMind 复盘 WeatherNext 助力 NHC 提前五天预测飓风 Melissa 登陆牙买加
Google DeepMind 复盘其 AI 气象模型 WeatherNext 如何帮助美国国家飓风中心（NHC）提前五天以 80% 置信度预测飓风 Melissa 将以 Category 5 强度登陆牙买加，三天前该置信度升至接近 100%，这是首次从 Category 1 风速起报成功预测风暴达到 Category 5 强度。
推荐理由：原文回顾了 WeatherNext 在一次真实飓风中的预测表现与协作过程，读者可据此理解 AI 气象模型如何进入官方预报流程。
Google DeepMind精选AI 评分7474 Google DeepMind 推出 Co-Scientist 多智能体科研系统并开放 Hypothesis Generation 工具
Google DeepMind 在 Nature 发表 Co-Scientist 研究，并推出基于 Gemini 的多智能体系统 Hypothesis Generation，面向个人研究者开放注册，将在未来几周内逐步推出。
推荐理由：原文给出了多智能体分工、验证算力占比和多个已落地案例，读者可据此判断它如何嵌入真实科研流程。
Google DeepMind精选AI 评分7474 Google DeepMind 推出 AI co-clinician 医疗研究计划
Google DeepMind 宣布推出 AI co-clinician 研究计划，探索在医生临床监督下由 AI 智能体辅助患者的三方诊疗模式。在 98 个真实初级医疗查询的盲测中，该系统在 97 例里零关键错误，医生在对照评估中更偏好其回答；在 OpenFDA RxQA 药物问答基准上，开放式提问场景表现超过其他前沿模型。
推荐理由：原文给出了评测方法与具体结果，读者可据此判断该系统当前能力边界与适用场景。
Google Research精选AI 评分6666 Google Research 展示科学家使用 ERA 的四种方式
Google Research 介绍了科学家使用 Empirical Research Assistance (ERA) 的四个真实场景：在公共卫生领域，ERA 生成的美国流感。
推荐理由：四个真实场景展示了ERA从预测到机制发现的可迁移用法，便于评估AI辅助科研的实际边界。
Hugging Face Blog精选AI 评分7474 NVIDIA 发布 Nemotron 3 Nano Omni 多模态理解模型
NVIDIA 发布 Nemotron 3 Nano Omni，一个面向文档分析、多图推理、语音识别、长音视频理解与智能体计算机使用的全模态理解模型，已在 Hugging Face 开放 BF16、FP8 和 NVFP4 权重。
推荐理由：原文给出架构细节、训练配方与多组基准对比，读者可据此评估它在文档、音视频与智能体场景的可用性。
Google DeepMindAI 评分4646 Google DeepMind 与韩国科学技术信息通信部达成合作
Google DeepMind 与韩国科学技术信息通信部（MSIT）宣布建立新合作，将在首尔办公室设立 AI Campus，与首尔大学（SNU）、KAIST 及三个 AI Bio Innovation Hubs 等机构协作。
Google Research精选AI 评分6262 Google Photos 上线 Auto frame 视角重合成功能
Google Research 宣布该方法已作为 Auto frame 功能的一部分在 Google Photos 上线，可用生成式 AI 在拍照后自动改变相机视角重新构图。
推荐理由：原文拆解了3D估计与生成补全两阶段流程，读者可理解视角重合成如何在保留原内容的同时补出隐藏区域。
OpenAI NewsAI 评分5555 OpenAI 发布 ChatGPT Images 2.0
OpenAI 发布 ChatGPT Images 2.0，改进了文字渲染、多语言支持和视觉推理能力，并介绍了 Images 2.5 的新内容。
Google ResearchAI 评分5454 Google Research 发布 MoGen：用合成神经元形态将脑图谱重建误差降低 4.4%
Google Research 发布论文 MoGen，用合成神经元形态改进 AI 脑图谱重建模型，使重建误差降低 4.4%，在完整小鼠脑尺度相当于节省 157 人年的手工校对工作。
Hugging Face Blog精选AI 评分6262 Hugging Face 教程：用 Sentence Transformers 微调多模态 Embedding 与 Reranker 模型
Hugging Face 官方博客给出用 Sentence Transformers 训练和微调多模态 embedding 与 reranker 模型的完整教程。
推荐理由：以完整可跑的训练脚本和 NDCG@10 对比表说明领域微调收益，读者可直接迁移方法到自己的数据。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 发布 Gemini 3.1 Flash TTS 文本转语音模型，通过在文本中嵌入自然语言 audio tags 实现对语音风格、语速和表达的细粒度控制。
推荐理由：原文给出了基准分数和开放入口，读者可据此判断其在语音生成上的定位与可用性。
Hugging Face BlogAI 评分5555 HCompany 推出浏览器扩展 HoloTab，让 Holo3 计算机操作模型直接可用
HCompany 发布 Chrome 扩展 HoloTab，把 3 月 31 日发布的计算机操作模型 Holo3 直接带进浏览器，用户用自然语言描述目标即可让智能体在任意网站上导航、填表和决策，无需配置或技术背景。
Google ResearchAI 评分5757 Google Research 推出 Vantage：用生成式 AI 评估未来技能的研究实验
Google Research 与纽约大学合作推出 Vantage，一个面向高中和大学学生的研究实验，通过生成式 AI 在模拟环境中评估批判性思维、协作、创造性思维等未来技能，现已在 Google Labs 提供英文版注册。
Google DeepMind精选AI 评分6161 Google DeepMind 发布 Gemini Robotics-ER 1.6 具身推理模型
Google DeepMind 发布 Gemini Robotics-ER 1.6，作为机器人高层推理模型，可通过 Gemini API 和 Google AI Studio 调用，并原生调用 Google Search、VLA 及第三方函数。
推荐理由：原文说明了仪器读数能力的实现路径，读者可了解具身推理如何结合代码执行解决真实巡检问题。
OpenAI NewsAI 评分88 ChatGPT 在医疗领域的应用
OpenAI 介绍临床医生如何使用 ChatGPT 支持诊断、文档记录和患者护理，配套工具符合 HIPAA 合规要求。
Hugging Face Blog精选AI 评分6464 Sentence Transformers v5.4 新增多模态 Embedding 与 Reranker 支持
Hugging Face 官方博客介绍 Sentence Transformers v5.4 更新，现在可用同一套 API 编码并比较文本、图像、音频和视频，支持多模态 embedding 模型与多模态 reranker（CrossEncoder）。
推荐理由：给出多模态编码与重排的完整用法和模型清单，可直接迁移到自己的检索流程。
Hugging Face BlogAI 评分5757 Overworld 发布 Waypoint-1.5 实时交互世界模型，支持本地运行
Overworld 发布实时视频世界模型 Waypoint-1.5，提供 Waypoint-1.5-1B 与 Waypoint-1.5-1B-360P 两个权重，可在 RTX 3090 至 5090 桌面硬件上以最高 720p、60 FPS 实时生成环境，并新增面向更广消费级硬件（含游戏笔记本及即将支持的 Apple Silicon Macs）的 360p 档位。
Google ResearchAI 评分5555 Google Research 发布 PaperVizAgent 与 ScholarPeer 两个学术智能体
Google Research 发布两个面向学术工作流的智能体框架：PaperVizAgent（原名 PaperBanana）用于绘制学术图表，ScholarPeer 用于自动同行评审。
Google DeepMind精选AI 评分8383 Google DeepMind 发布开源模型 Gemma 4 系列
Google DeepMind 发布 Gemma 4 开源模型系列，采用 Apache 2.0 许可，包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，主打推理与智能体工作流。
推荐理由：原文给出了各尺寸的硬件适配与开源许可细节，读者可据此判断本地部署和微调的可行路径。
Hugging Face Blog精选AI 评分8888 Google DeepMind 发布 Gemma 4 多模态模型家族
Google DeepMind 在 Hugging Face 上发布 Gemma 4 多模态模型家族，采用 Apache 2 许可，共五个尺寸（E2B、E4B、12B Unified、31B、26B A4B MoE），均提供 base 与 IT 检查点，支持图像、文本输入，小尺寸与 12B Unified 还支持音频。
推荐理由：原文列出五档尺寸、架构取舍与各基准分数，读者可据此判断端侧与 MoE 方案的实际取舍。
Hugging Face Blog精选AI 评分6565 Falcon Perception 发布：0.6B 早融合模型与 Falcon OCR
TII 发布 Falcon Perception，一个 0.6B 参数的早融合 Transformer，用单一骨干处理图像块与文本，通过混合注意力掩码和 Chain-of-Perception 结构化接口（<coord> → <size> → <seg>）实现开放词表定位与分割。
推荐理由：原文拆解了早融合单干设计与三阶段训练配方，读者可据此判断它与视觉编码器加文本解码器路线的取舍依据。