Google Research 推出 TurboQuant:以极端压缩重新定义 AI 效率
Google Research 推出压缩算法 TurboQuant(将在 ICLR 2026 发布),通过 PolarQuant 与 QJL 两项技术在零精度损失下大幅压缩模型体积,消除传统向量量化的内存开销。
Google Research 推出压缩算法 TurboQuant(将在 ICLR 2026 发布),通过 PolarQuant 与 QJL 两项技术在零精度损失下大幅压缩模型体积,消除传统向量量化的内存开销。
Google Research 在 Google Earth AI 计划下推出自监督框架 S2Vec,通过 S2 Geometry 分区将建成环境栅格化为多层图像,再用 masked autoencoding(MAE)学习通用嵌入向量,无需人工标注即可预测人口密度、中位收入等指标。
Google Research 在 The Check Up 活动上介绍了其医疗 AI 最新进展,涵盖个性化健康、临床协作、开发者生态、公共卫生与生物医学发现多个方向。
Google Research 与多家 NHS 机构合作开展 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:研究给出了AI作为第二读片人的具体读片量与时间节省数据,可帮助评估其在筛查流程中的实际落地空间。
Google DeepMind 发布论文《Measuring Progress Toward AGI: A Cognitive Taxonomy》,提出包含感知、生成、注意、学习、记忆、推理、元认知、执行功能、问题解决、社会认知在内的 10 项关键认知能力分类,并给出三阶段评测协议:用保留测试集评估 AI、采集人口代表性成人基线、将 AI 表现映射到人类表现分布。
Google Research 与 Cornell University 合作在 PNAS 发表论文,用 67 道高温超导专家问题评测 6 个 LLM(GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 及自建 RAG 系统),由专家按 0-2 分六项指标盲评。
Google Research 宣布在 Flood Hub 上线城市山洪(Urban Flash Flood)预报,可提前最多 24 小时预测城市地区山洪风险。
推荐理由:原文说明了山洪预警缺乏历史数据的难点及用新闻报道构造训练集的做法,可迁移借鉴。
Google Research 发布 Groundsource,一个用 Gemini 把非结构化新闻报道转化为结构化历史数据的可扩展框架,首个开放数据集覆盖 150 多个国家、2000 年至今的 260 万条城市山洪事件记录。
Google Research 与 Beth Israel Deaconess Medical Center 合作,发布了对话式诊断 AI 系统 AMIE 的前瞻性单中心临床可行性研究结果。
推荐理由:研究给出了 AMIE 在真实门诊流程中的安全与诊断表现数据,可帮助读者评估对话式医疗 AI 的落地现状与局限。
Demis Hassabis 撰文回顾 AlphaGo 十年前击败世界冠军李世石的里程碑,以及 Move 37 展示的超越模仿、发现全新策略的能力。文章梳理了 AlphaGo Zero、AlphaZero 的自对弈演进,以及其方法在 AlphaFold 2、AlphaProof、AlphaEvolve 和 AI co-scientist 等科学项目中的延伸应用。
Google Research 发布开源语音数据集 WAXAL,覆盖撒哈拉以南非洲 27 种语言、逾 1 亿使用者,以 CC-BY-4.0 许可开放。数据集包含约 1,846 小时 ASR 转录自然语音与超过 565 小时高保真 TTS 录音,由非洲学术与社区组织主导采集,合作方包括 Makerere University、University of Ghana 等。
Google 发布的开源模型 SpeciesNet 可对相机陷阱图像中的动物进行物种分类,覆盖 2,498 个类别,训练数据来自超过 65 million 张标注图像。
Google Research 在论文《Bayesian teaching enables probabilistic reasoning in large language models》中,通过监督微调让 LLM 模仿贝叶斯助手的预测来学习概率推理。
Google DeepMind 发布 Gemini 3.1 Flash-Lite,称其为 Gemini 3 系列中最快、最具成本效益的模型,定价 $0.25/1M 输入 tokens 和 $1.50/1M 输出 tokens,即日起通过 Gemini API 在 Google AI Studio 面向开发者、在 Vertex AI 面向企业开放预览。
Google DeepMind 发布最新图像生成模型 Nano Banana 2(Gemini 3.1 Flash Image),将 Nano Banana Pro 的世界知识、质量与推理能力带到 Flash 速度,支持最多 5 个角色的主体一致性、14 个物体的保真度、512px 到 4K 的分辨率控制,以及基于网页搜索的实时信息 grounding。
推荐理由:原文列出了从 Pro 下放的能力和各产品线的落地入口,读者可据此判断它会怎样改变现有图像工作流。
Google DeepMind 发布 Gemini 3.1 Pro,作为 Gemini 3 系列的核心推理升级,面向消费者和开发者产品同步推出。在 ARC-AGI-2 上 3.1 Pro 取得 77.1% 的验证分数,超过 3 Pro 推理表现的两倍。
推荐理由:原文给出了 ARC-AGI-2 上的具体分数和与 3 Pro 的对比,读者可据此衡量其推理能力提升幅度。
Google DeepMind 宣布其最新生成音乐模型 Lyria 3 在 Gemini 应用中以测试版形式上线,用户可用文字或上传照片、视频在数秒内生成 30 秒带歌词或纯器乐的曲目,并自定义风格、人声和节奏,封面图由 Nano Banana 生成。
推荐理由:原文说明了 Lyria 3 相对前代的三项能力改进和版权处理方式,可帮助读者判断其可用范围与边界。
Google Research 提出 MapTrace 任务、数据集与合成数据生成流水线,用 Gemini 2.5 Pro 和 Imagen-4 开源 2M 问答对,帮助多模态大语言模型学会在地图上追踪路径。
Google DeepMind 宣布通过 National Partnerships for AI 与印度政府机构及本地机构建立新合作,向印度研究者开放 AlphaGenome。
Google DeepMind 发布 Gemini 3 Deep Think 的重大升级,这一专用推理模式面向科学、研究和工程难题,现已在 Gemini app 中向 Google AI Ultra 订阅者开放,并首次通过 Gemini API 向部分研究人员、工程师和企业提供早期访问。
推荐理由:原文列出多项基准的具体分数与开放渠道,读者可据此评估其推理能力定位和可用范围。
Google Research 与 Google DeepMind 在 NeurIPS 2025 workshop 论文中展示,主要以鸟类和陆地发声动物训练的生物声学基础模型 Perch 2.0,尽管训练中不含水下音频,仍可作为嵌入模型通过迁移学习用于鲸类叫声分类等海洋任务。
Google DeepMind 发布两篇论文,介绍 Gemini Deep Think 在数学、物理和计算机科学领域求解专业研究问题的成果。
推荐理由:原文给出了数学研究智能体的设计要点与人机协作方法,可迁移给从事 AI 辅助科研的读者。
Google Research 推出 Natively Adaptive Interfaces(NAI)框架,用多模态 AI 工具打造更易用的应用,将静态导航替换为动态的智能体驱动模块。
Google Research 宣布将与 Included Health 合作,在 IRB 批准后启动一项前瞻性、经知情同意的全国随机对照研究,评估对话式 AI 在真实虚拟医疗场景中的表现,与标准临床实践进行对照。
推荐理由:梳理了从模拟研究到真实临床的分阶段评估路径,可理解医疗 AI 证据生成的推进逻辑。
Google DeepMind 宣布向美国 18 岁以上 Google AI Ultra 订阅用户开放 Project Genie,一个基于 Genie 3、Nano Banana Pro 和 Gemini 的实验性研究原型网页应用,可创建、探索和 remix 交互世界。
推荐理由:原文说明了原型的三项核心能力与已知局限,读者可据此判断世界模型目前能做什么、还做不到什么。
Google Research 发布论文《Towards a Science of Scaling Agent Systems》,通过对180种智能体配置的大规模对照评测,对“更多智能体更好”的经验假设提出挑战。
Google Research 发布 ATLAS 研究,将发表于 ICLR 2026,是迄今规模最大的公开多语言预训练研究,涵盖 774 次训练、10M–8B 参数模型、400+ 语言数据与 48 种语言评测。
Google Research 在 NeurIPS 2025 推出 Greedy Independent Set Thresholding(GIST)算法,通过平衡数据多样性与效用解决子集选择难题,在图像分类等 benchmark 上超越 SOTA,并提供数学保证:所选子集价值至少为最优解的一半。
Google Research 在 EMNLP 2025 发表论文,提出将用户意图理解拆分为"逐屏摘要 + 从摘要序列提取意图"两阶段的分解式工作流,让小多模态模型(MLLM)在设备端完成 UI 轨迹意图提取。
Google DeepMind 发布 D4RT(Dynamic 4D Reconstruction and Tracking),一个统一的4D场景重建与跟踪AI模型,采用编码器-解码器 Transformer 架构和基于查询的机制,通过回答“视频中给定像素在任意时间、指定相机视角下位于3D空间何处”这一问题,用单一接口完成点跟踪、点云重建和相机位姿估计等任务。
Google Research 发表研究 Smartwatch-Based Walking Metrics Estimation,用基于 TCN 的多输出深度模型从单只 Pixel Watch 的 50 Hz IMU 信号和用户身高直接估计步态速度、步长、双支撑时间、摆动时间与支撑时间等步态指标。
Google Research 研究确认 Android Auto 采集的急刹车事件(HBE,减速度超 -3m/s²)与路段碰撞率呈统计显著正相关,可作为领先指标用于道路安全评估。
Google 发布 MedGemma 1.5 4B,支持 CT、MRI、全片病理等高维医学影像解读,以及胸片时序回顾、解剖定位和检验报告结构化抽取,并同步推出面向医疗听写的开源语音识别模型 MedASR。
推荐理由:原文给出了各医学影像模态的具体基准提升数字,读者可据此判断该模型在实际医疗场景中的可用程度。
Google Quantum AI 在 Nature Physics 发表 Demonstration of dynamic surface codes,在 Willow 处理器上实验演示了动态电路版表面码,通过在不同电路构造间交替来检测错误。
推荐理由:原文给出三种动态电路的具体设计与实测数据,读者可据此理解动态表面码如何绕开静态电路的硬件约束。
Google DeepMind 宣布升级 Veo 3.1 Ingredients to Video,可基于参考图生成视频,改进了角色身份一致性、背景与物体一致性以及跨场景元素融合,并首次支持原生 9:16 竖屏输出和 1080p、4K 上采样。
Google Research 发文介绍 NeuralGCM 在 Science Advances 上发表的新研究,通过直接用 NASA 2001 至 2018 年卫星降水观测训练模型的机器学习部分,改进了降水模拟。
Google 回顾 2025 年在 AI、量子计算等 8 大领域的研究突破,核心成果包括 3 月发布 Gemini 2.5、11 月推出 Gemini 3、12 月上线 Gemini 3 Flash。
Google Research 发布 2025 年度回顾,称其基础 AI 突破让生成模型更高效、更真实、更多语言与多元文化,并推出 generative UI。
Google DeepMind 发布 Gemini 3 Flash,主打前沿智能与速度兼得、成本更低,已在 Gemini API、Google AI Studio、Gemini CLI、Google Antigravity、Vertex AI、Gemini Enterprise 开放预览,并成为 Gemini app 与 Search AI Mode 的默认模型。
推荐理由:原文给出多项基准分数、定价与速度对比,读者可据此判断它在成本与能力上的取舍位置。
Google DeepMind 发布开源可解释性工具套件 Gemma Scope 2,覆盖 Gemma 3 全系 270M 到 27B 参数模型,称其为迄今 AI 实验室规模最大的开源可解释性工具发布。