跳到正文

公司与模型

Google / Gemini 最新动态

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。

64 条精选近 30 天 13 条共收录 92 条

更新

精选归档 · 第 3 页

7月17日周五第 41–60 条
  1. Google DeepMind78

    Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型

    Google DeepMind 发布 Gemini 3.5 Flash Cyber，一个基于 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞，在 CyberGym 等基准上以多次调用取得接近更大模型的成绩。

    推荐理由：官方给出轻量安全模型在多个基准与谷歌内部代码库的实测数据，可了解其能力定位与受限开放方式。

7月16日周四
  1. Google DeepMind60

    Google DeepMind 与 Isomorphic Labs 公布生物韧性联合方案

    Google DeepMind 与 Isomorphic Labs 公布双方在生物韧性方面的联合方案，一方面防止威胁行为者滥用其模型，另一方面让政府、科学家和生物安全专家利用这些技术应对未来疫情。

    推荐理由：Google DeepMind 与 Isomorphic Labs 公开生物韧性方案，读者可了解前沿模型在生物安全领域的防滥用与应对思路。

7月9日周四
  1. Google Research68

    Google Research 发布 SensorFM：面向可穿戴健康数据的通用基础模型

    Google Research 提出 SensorFM，一个直接从无标签可穿戴数据学习的大型传感器基础模型，预训练语料超过一万亿分钟、来自五百万名知情同意参与者，覆盖 100 多个国家和 20 多种 Fitbit 与 Pixel Watch 设备。

    推荐理由：SensorFM 用一万亿分钟无标签可穿戴数据预训练，展示单一表征如何跨心血管、代谢、睡眠与心理健康任务迁移。

7月8日周三
  1. Google Research62

    Google Research 在 10 座美国城市实验导航改道缓解拥堵

    Google Research 在 Nature Cities 发表研究，在 10 座美国城市开展为期六个月的实地实验，通过修改 Google Maps 算法将行程引导至耗时相近的替代路线，以缓解拥堵。

    推荐理由：Google Research 在 10 座美国城市做了为期六个月的实地实验，读者可了解协调少量行程如何影响全城交通与排放。

7月1日周三
6月30日周二
  1. Google Research73

    Google 发布 TabFM：面向表格数据的零样本基础模型

    Google 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，把表格预测重构为上下文学习问题，无需手动训练、超参数调优和特征工程即可在单次前向传播中完成预测。

    推荐理由：原文给出 TabFM 的架构设计与 TabArena 基准结果，读者可据此判断零样本表格预测能否替代传统调参流程。

6月27日周六
6月25日周四
  1. Google Research60

    Google Research 研究：推理如何解锁 LLM 的参数知识

    Google Research 在 COLM 2026 论文《Thinking to Recall》中研究推理如何解锁 LLM 的参数知识，发现即使面对简单单跳事实问题，开启推理也能让模型回忆起关闭推理时几乎无法触及的答案。

    推荐理由：研究揭示推理轨迹通过计算缓冲与事实启动两条机制解锁模型参数知识，并给出可迁移的可靠性改进思路。

6月17日周三
  1. Google DeepMind60

    Google DeepMind 与英国政府共建 AI 规划审批原型，目标将审批时间减半

    Google DeepMind 与英国政府、Google Cloud、Faculty 及 Barnet、Camden、Dorset 地方规划部门合作，开发基于 Gemini 的 AI 规划审批原型，目标是帮助审批人员将住户规划申请的决定时间缩短 50%。

    推荐理由：原文披露了英国规划审批 AI 原型的分工、试点范围与全国推广时间表，可据此观察公共部门智能体的落地方式。

6月16日周二
  1. Google DeepMind62

    Google DeepMind 发布 AI Control Roadmap，用纵深防御管控内部 AI 智能体

    Google DeepMind 发布 AI Control Roadmap，一套用于在 Google 内部部署和管理高级 AI 智能体的框架，采用纵深防御思路，在模型对齐之外增加系统级安全层。

    推荐理由：Google DeepMind 公开内部 AI 控制路线图，读者可了解其如何用监督智能体与分级响应约束内部 Agent 风险。

6月11日周四
6月10日周三
  1. Google DeepMind62

    Google DeepMind 联合 Schmidt Sciences 等发起最高 1000 万美元多智能体安全研究资助

    Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA，并在 Google.org 支持下发起最高 1000 万美元的技术研究资助征集，面向全球研究者，聚焦大规模多智能体 AI 系统作为群体时的行为与风险框架。

    推荐理由：Google DeepMind 联合多家机构出资征集多智能体安全研究提案，读者可了解四个优先方向与申请节点。

6月9日周二
  2. Google DeepMind74

    Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型

    Google DeepMind 发布 Gemma 4 12B，一款面向笔记本本地运行的多模态模型，采用无编码器架构，视觉与音频输入直接进入 LLM 主干。官方称其基准性能接近 26B MoE 模型，内存占用不到后者一半，可在 16GB 显存或统一内存的消费级笔记本上运行，也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：Gemma 4 12B 用无编码器架构把多模态能力压到 16GB 显存，可对照其与 26B MoE 的性能与内存取舍。

6月8日周一
  1. Google DeepMind67

    Google DeepMind 公布塞拉利昂 AI 学习试验结果

    Google DeepMind 公布在塞拉利昂开展的预注册试验结果，使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差，约相当于八周内取得 1.2 至 1.7 年的常规学习进度。

    推荐理由：原文给出塞拉利昂预注册试验的量化结果与教师主导的实施细节，可了解 AI 辅助教学的实际效果与局限。

6月5日周五
  1. Google Research62

    Google 在 Gemini Enterprise Agent Platform 上线 Agentic RAG 版跨语料检索

    Google 在 Gemini Enterprise Agent Platform 推出由 Agentic RAG 驱动的跨语料检索公开预览版，通过 Orchestrator、Planner、Query Rewriter、Search Fanout 与 Sufficient Context Agent 等角色协作处理多源多跳查询。

    推荐理由：原文给出多智能体 RAG 的完整流程与跨语料评测数据，读者可据此判断复杂查询检索的可行边界。

  2. Google Research76

    Google 研究用手机前置摄像头被动监测心率与静息心率

    Google Research 在 Nature 发表 PHRM 研究系统，利用手机前置摄像头在面部解锁后拍摄 8 秒面部视频，通过深度学习估算心率，与心电图对比的平均绝对百分比误差低于 10%，覆盖所有肤色。

    推荐理由：Google 公开了迄今规模最大的手机摄像头 rPPG 研究，读者可了解被动心率监测如何做到全肤色准确。

6月4日周四