跳到正文

全部动态

今日 9 条
6月27日周六
6月25日周四
  1. Google DeepMind74

    Gemini 3.5 Flash 内置 computer use 工具

    Google DeepMind 宣布 computer use 现已成为 Gemini 3.5 Flash 的内置工具,此前该能力仅作为独立的 Gemini 2.5 computer use 模型提供,如今原生集成进主 Gemini Flash 模型。

    推荐理由:原文说明了 computer use 从独立模型变为内置工具的路径变化,以及配套的两项企业防护机制,便于评估其在自动化任务中的落地方式。

6月24日周三
6月23日周二
  1. Mistral AI62

    Mistral 发布 OCR 4 文档解析模型

    Mistral 发布 Mistral OCR 4 文档解析模型,除提取文本外还返回 bounding boxes、块类型分类和逐页逐词置信度分数,支持 170 种语言、10 个语系,可单容器自托管部署。

    推荐理由:原文给出基准分数与已知评分缺陷的对照,读者可据此判断该模型在真实文档场景中的可用边界。

6月17日周三
6月16日周二
6月13日周六
  1. Google Research54

    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。

6月11日周四
  1. Google DeepMind74

    Google DeepMind 开源实验性扩散文本模型 DiffusionGemma,推理提速最高 4 倍

    Google DeepMind 发布实验性开源模型 DiffusionGemma,采用文本扩散方式一次并行生成整段文本,在专用 GPU 上文本生成速度最高提升 4 倍,单张 NVIDIA H100 可达 1000+ tokens per second,NVIDIA GeForce RTX 5090 可达 700+ tokens per second。

    推荐理由:原文给出了速度、显存与质量取舍的具体数据,读者可据此判断它是否适合本地交互场景。

6月10日周三
6月9日周二
  1. Google DeepMind76

    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。

6月8日周一
  1. Google DeepMind64

    Google DeepMind 公布塞拉利昂 AI 辅助数学学习预注册试验结果

    Google DeepMind 公布了在塞拉利昂开展的 Guided Learning 预注册试验结果,学生数学成绩相对对照组提升 +0.258 个标准差,约相当于八周内 1.2 至 1.7 年的学习进度;教师将 Gemini 纳入约一半课程(目标 12 小时)的班级提升更大,约 1.8 至 2.5 年。

    推荐理由:原文给出了预注册试验的量化结果与开放的教师培训材料,读者可据此评估 AI 辅助教学的实际效果与可复用做法。

6月5日周五
  1. Google Research70

    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。

6月4日周四
5月29日周五
  1. Google Research67

    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。

5月28日周四
  1. Mistral AI56

    Mistral AI 开源发布 Search Toolkit 公开预览版

    Mistral AI 宣布以公开预览形式发布开源框架 Search Toolkit,把数据摄取、检索和评测整合进统一接口,覆盖云端、本地和边缘部署。其内置 BM25 稀疏检索、稠密向量检索与混合配置,以及 recall、precision、MRR、NDCG 等评测指标;Agent 可通过 MCP Connectors 从 CRM、代码仓库等源系统拉取实时数据。

5月27日周三
  1. Mistral AI45

    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。

5月23日周六
  1. Mistral AI54

    Mistral AI 收购 Physics AI 公司 Emmi AI

    Mistral AI 本周签署最终协议,收购 Physics AI 公司 Emmi AI,以强化其作为工业企业 AI 转型伙伴的地位。Emm i AI 成立于奥地利,其团队开发大型工程模型,可将多天计算替换为实时仿真并构建数字孪生;其联合创始人及 30 多名研究人员和工程师将于 5 月加入 Mistral AI 的 Science 和 Applied AI 团队。

5月22日周五
  1. Mistral AI74

    Mistral 发布 128B 开源权重模型 Mistral Medium 3.5 并推出 Vibe 远程智能体

    Mistral 发布 Mistral Medium 3.5,一个 128B 稠密、256k 上下文窗口的旗舰模型,以修改版 MIT 协议开放权重,SWE-Bench Verified 得分 77.6%,τ³-Telecom 得分 91.4,最少四张 GPU 即可自托管。

    推荐理由:原文给出了模型规模、价格与自托管门槛,读者可据此评估其在编码智能体场景的可用性。

5月20日周三
  1. Google Research74

    Google 开源 ERA 科研工具并发布 Nature 论文,推出 Computational Discovery

    Google 发布基于 Gemini 的科研工具 ERA,其论文今日刊于 Nature,同时开始通过 Gemini for Science 更广泛开放由 AlphaEvolve 和 ERA 构建的实验工具 Computational Discovery。

    推荐理由:原文列出 ERA 在多个学科基准和五个开放科学问题上的具体结果,读者可据此判断这类工具当前能覆盖的研究范围。

5月19日周二
  1. Google DeepMind61

    Google DeepMind:Co-Scientist 帮助生物学家加速筛选逆转细胞衰老的遗传线索

    Google DeepMind 介绍生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 的实验室如何用 Co-Scientist 加速衰老研究。Co-Scientist 扫描数万篇论文后提出 20 多个新颖的候选遗传因子,其中部分假设经实验室验证,能成功推动细胞进入更年轻状态。它还把原本最长需耗时六个月的筛选数据与文献对照分析工作压缩到几天。

    推荐理由:原文给出 Co-Scientist 在真实实验室中把文献分析从数月压缩到数天的具体用法,可迁移至其他科研数据解读场景。

5月18日周一
  1. Google DeepMind84

    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。

5月17日周日
  1. Google DeepMind69

    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。

5月16日周六
  1. Google DeepMind51

    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。