机构与实验室
Google 与 DeepMind 的 Gemini 模型、Veo 视频生成、前沿研究与各条产品线的 AI 更新。
19 条精选近 30 天 19 条共收录 37 条
作者提出一个 Transformer 错误率模型，认为注意力机制中的小误差累积越过阈值时会产生错误预测，由此推导出任务准确率与复杂度之间的两参数定量关系。这两个参数随提示词和模型变化，可解释为基础噪声率与可预测的错误 token 数量。
推荐理由：论文用两个参数刻画 LLM 在算术与重复任务上的错误率，并在 Gemini 与 DeepSeek R1 上做了实证检验，为理解长任务出错提供了可检验的解释。
Google DeepMind 发布 Gemini 4 Hydrogen，定位为面向日常编码与智能体工作流的快速执行模型，并同步在 Gemini API、AI Studio、Gemini app 与 Google Search 等全线上线。
推荐理由：官方给出 Hydrogen 与 3.8 Flash 的速度、基准与安全对比数据，并说明多模型编排的配额与耗时变化。
Google DeepMind 发布 AlphaGenome 2，这是一个条件式 DNA 序列模型，可针对特定细胞类型或状态预测变异对基因表达的影响。模型基于 68 种组织、超过 1.07 亿个单细胞图谱训练，在 TenK10K 免疫细胞数据上识别出的因果变异比例从 16% 提升到 30%，方向性基因效应从 23% 提升到 43%。
推荐理由：读者可了解条件式建模如何把单细胞图谱转成变异效应预测引擎，以及它在免疫细胞数据上的召回提升。
Google Research 提出一套可指导健康干预的框架，包含基于可穿戴设备可改变行为构建的可教练健康年龄（CHA）模型，以及在约 10 万名 Fitbit 用户、228 万人周数据上预训练的传感器世界模型 SensorWM，可预测 20 项生理指标在未来 12 周的变化。
推荐理由：两项研究把可穿戴数据转成可干预的健康年龄指标，并给出专家盲评的对照结果，便于判断这类世界模型在健康指导中的可用边界。
作者提出一个面向终端智能体的基准，用于测量模型在工具性趋同（IC）行为上的倾向，例如自我保存。基准包含 7 个操作任务，每个任务有官方流程和一条捷径，并设 8 种条件变体，分别改变监控、指令清晰度、利害程度、权限、工具性有用性和诚实路径是否被阻断。
推荐理由：该基准用低风险终端任务测量 LLM 智能体的工具性趋同行为，并给出 1,680 个样本上的分布与触发条件。
研究团队提出 SciConBench，一个包含 9.21K 问题及系统综述专家撰写结论的大规模实时基准，用于评估健康与医学领域的开放域科学结论合成。配套的 SciConHarness 干净室评测环境通过受控网页交互减少数据泄漏，在 8 个前沿模型和深度研究智能体上，最佳智能体的事实 F1 仅 0.337，且干净室设置下性能普遍低于无约束评测。
推荐理由：该基准用干净室评测揭示前沿模型在健康结论合成上的真实水平，并给出可复用的评测流程。
Google DeepMind 面向开发者、企业和科研人员开放 Gemini 4 Carbon，主打长程智能体工作流、网络安全与科学推理。
推荐理由：官方披露了 Carbon 在多个第三方基准上的排名、成本对比与安全红队数据，可据此判断其能力边界。
Google DeepMind 提出多 LLM 智能体框架 AlphaProof Code，由人类专家与 AI 共同确定待证安全目标，Gemini Carbon 驱动的智能体生成超过 600 万行 Lean 证明，形式化验证了 Signal 协议实际编译代码的关键安全属性。
推荐理由：读者可了解多 LLM 智能体如何把形式化验证从设计层推进到实际编译代码，并看到耗时与人工审查量的具体对比。
Google DeepMind 发布视觉-语言-动作模型 Gemini Robotics 2.5，在200项任务上相比此前基线成功率高30%至100%、完成任务快20%至30%。
推荐理由：原文给出200项任务评测、与基线的成功率与速度对比，以及奔驰产线96%成功率的实地验证。
Google Research 联合 Beth Israel Deaconess Medical Center 和 Harvard Medical School 在 Nature 发表 AI-PPG-ACC-HTN 系统，利用智能手表已有的 PPG 与加速度计信号，无需袖带校准即可被动识别高血压状态。
推荐理由：论文给出无需袖带校准的可穿戴血压筛查系统，并以 24 小时动态血压监测为金标准做前瞻验证。
Google Research 提出 Agile Deliberation 框架，把主观视觉分类器的构建拆成概念界定与概念迭代两个阶段，由视觉语言模型主动挑出语义边界模糊的图片，让用户直接反馈，再自动优化提示词。
推荐理由：该框架把主观分类器的定义过程拆成概念界定与迭代两阶段，并用 18 场真人实验与三种基线对比，读者可据此判断人机协作定义概念是否可行。
Google DeepMind 为 Google Antigravity 推出 Cheminformatics Skills，基于 RDKit 并接入 ChEMBL 与 PubChem，让智能体在约一小时内完成从文献抽取数千个化合物、匹配分子对分析、构建活性预测模型到提出新型刚性化大环化合物及合成路线的流程。
推荐理由：原文完整演示了从文献抽取化合物到生成合成路线的流程，并说明技能已开放下载，读者可据此判断是否试用。
Google DeepMind 发布 Gemini 4 Carbon，称其在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一，并在 SEC-bench Pro（88.2%）、ExploitGym（54.8%）和 CWE-bench（71.0%）上取得 SOTA。
推荐理由：官方披露了 Carbon 在网络安全与长程 Agent 任务上的多项基准成绩和价格，读者可据此判断其能力边界。
Google 研究团队提出 sleep 框架，为 LLM 设计“清醒交互 + 离线睡眠巩固”的周期性学习流程，在持续学习中减少灾难性遗忘。睡眠阶段通过 MoE 参数扩展、基于 GKD 与强化学习模仿的知识播种，以及随机专家激活生成“梦境”样本进行自我改进。
推荐理由：Google 研究者提出睡眠式持续学习框架，用 MoE 参数扩展与离线巩固缓解灾难性遗忘，并给出多基准对比结果。
Google DeepMind 发布世界模型 Genie 4，可实时生成具备照片级真实感、原生音频与交互对话的模拟世界，并以研究预览形式向可信测试者开放。Genie 4 基于 Gemini 系列能力，Gemini Omni 负责锚定真实世界外观与行为，Gemini 3.8 Flash 作为循环中的引导智能体拆解目标并核验每一步进展。
推荐理由：官方披露 Genie 4 的实时交互、原生音频与 Gemini 协同机制，并说明当前局限与安全措施。
Google Research 在 IDWeek 2026 上介绍了其结核病筛查 AI 从研究走向临床部署的进展：与 Nexus AI 合作的胸片算法已获 CE MDR class IIb 认证和 ISO 13485 认证，在南非、塞拉利昂、科特迪瓦等六国的约 40 家医疗机构使用，90 多名临床医生已评估超过 25,000 张胸片，周转时间从数周缩短到 45 秒以内。
推荐理由：Google 团队在 IDWeek 2026 上梳理了从论文验证到 CE 认证、再到多国部署的完整路径，读者可据此了解医疗 AI 落地所需的监管与本地化环节。
Google Research 在 JAMA Network Open 发表研究，用 AI 模型解读未经专业超声培训的操作者采集的盲扫超声图像来评估胎龄。在 385 名 16 至 36 周孕妇的队列中，模型平均绝对误差为 4.18 天，专家标准流程为 4.48 天；模型仅在芝加哥 120 名参与者的数据上微调，在内罗毕零本地优化下误差为 4.27 天。
推荐理由：研究在芝加哥与内罗毕两个真实临床场景中前瞻验证同一模型，并给出与专家操作对照的误差数据。
Google Research 介绍三项研究，把 AI 智能体的计算探索与真实湿实验室实验连接起来。VERID 框架基于开源 PyLabRobot，为实验工作单元建立带状态的 3D 数字孪生，支持实时状态跟踪、秒级虚拟试运行、硬件安全检查与视频动作日志同步，并在自博弈闭环中把盲配染料混合物的重建准确率提升五倍以上。
推荐理由：Google Research 把湿实验室自动化、aptamer 闭环筛选和蛋白从头设计串成一条可复现路线，读者可据此判断智能体做实验的边界。
Google 发布 Geospatial Reasoning agent 技术报告，在 CBGB、UnivEARTH 及新构建的 GeoExpertQueries、GeoKTools 四个基准上对比四种 agent 配置。
推荐理由：技术报告给出四组 agent 配置在四个基准上的对比，可看清专用工具与前置规划各自带来的增益。