⌘ K
… 读取采集状态 同步中...
雷

全部动态

今日 6 条
6月30日周二
  1. Google Research70

    Google 推出 TabFM：面向表格数据的零样本基础模型

    Google 推出 TabFM，这是专门用于表格数据分类和回归的零样本基础模型。TabFM 将表格预测重构为上下文学习问题，通过单次前向推理即可在未见过的表格上生成预测，免去了传统方法中的超参数调优与特征工程。该模型采用混合注意力架构并在大规模合成数据上预训练，现已在 Hugging Face、GitHub 开源，并集成至 Google Cloud BigQuery 供直接调用。

    推荐理由：将表格数据预测转化为上下文学习问题，无需微调即可生成高质量预测，并直接集成至 BigQuery。

  2. Google Gemini API Release Notes42

    Gemini Omni Flash 进入公开预览，Gemini 3.1 Flash Lite Image 正式发布

    谷歌发布 gemini-omni-flash-preview 进入公开预览，这是一款针对高速视频生成和对话式视频编辑的高性能多模态模型。通过 Interactions API，它支持从文本或静态图片生成 3-10 秒的 720p 视频。gemini-3.1-flash-lite-image 也已进入通用可用性阶段，主打超低延迟和低成本图像生成。

6月27日周六
  1. Google Research50

    Google 在 Pixel 设备上为 Gemini Nano v3 部署冻结式 Multi-Token Prediction 加速推理

    Google 宣布将冻结式 Multi-Token Prediction (MTP) 架构应用于 Gemini Nano v3，在 Pixel 9 和 10 系列设备上实现免微调推理加速。该零拷贝架构直接复用主模型 KV cache，减少 130MB 运行时内存占用，并消除独立草稿模型的竞争。实验显示，相比同等参数规模的独立草稿模型，MTP 在 Pixel 9 上的生成速度提升超过 50%。

6月25日周四
  2. Google Research48

    推理如何解锁 LLM 的参数化知识

    研究发现，允许大语言模型生成思维链可解锁难以召回的参数化知识。在 Gemini 2.5 和 Qwen3-32B 模型上，开启推理后 pass@k 显著提升，即便仅使用无意义字符串作为计算缓冲区也能改善召回率。这种效果主要源于事实启动机制，模型通过生成相关事实构建了语义桥梁，但这也增加了幻觉风险。

  3. Google DeepMind91

    Google DeepMind 在 Gemini 3.5 Flash 中引入 computer use 功能

    Google DeepMind 将 computer use 作为内置工具集成进 Gemini 3.5 Flash，使其能跨浏览器、移动和桌面环境执行动作。该功能通过 Gemini API 和 Gemini Enterprise Agent Platform 开放，支持敏感操作确认与 Prompt 注入自动停止等企业级安全防护，开发者可使用 Browserbase 提供的 demo 环境快速测试。

    推荐理由：官方将 computer use 集成至 Gemini 3.5 Flash 主模型并开放 API 入口，开发者可据此构建跨平台自动化智能体。

6月24日周三
  2. Google Gemini API Release Notes75

    Gemini API 发布 Gemini 3.5 Flash Computer Use 工具的公开预览版支持

    Gemini API 更新日志显示，Gemini 3.5 Flash 现已推出 Computer Use 工具的公开预览支持。该版本包含基于意图的简化操作、对浏览器/移动端/桌面环境的内置支持、可配置的安全策略以及高级 Prompt 注入检测功能。

    推荐理由：官方明确列出 Computer Use 在 Gemini 3.5 Flash 的预览细节，读者可据此判断该工具在多端环境下的自动化能力与安全边界。

6月23日周二
  1. Mistral AI77

    Mistral 发布 OCR 4：支持170种语言且可自托管的文档解析模型

    Mistral 发布 OCR 4，新增边界框、区块分类和置信度输出，支持170种语言。该模型可单容器自托管，API 价格为 $4 每 1000 页，Batch API 享五折，适用于企业搜索、RAG 和 Agentic 工作流。

    推荐理由：介绍Mistral OCR 4新增结构识别功能及170种语言支持，提供可自托管的部署方案以适应企业级数据隐私需求。

6月17日周三
  2. Google DeepMind32

    Google DeepMind 与英国政府合作利用 Gemini 打造 AI 规划原型，旨在缩短房屋申请审批时间

    Google DeepMind 联合英国政府基于 Gemini 构建 AI 规划原型，目标将房屋规划申请的审批时长缩短 50%，以支持英国 2029 年新建 150 万套住房的目标。该原型协助规划人员处理数据提取与案例分析，目前在 Barnet、Camden 和 Dorset 进行试点，预计 2027 年起向全国所有议会推广。

6月16日周二
6月15日周一
6月13日周六
6月11日周四
6月10日周三
6月9日周二
  1. Google DeepMind74

    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+ 语言的近实时语音到语音翻译，自动检测语种并保留说话者的语调、节奏和音高，连续生成译文，仅比说话者落后几秒。

    推荐理由：原文说明了从逐句等待到连续生成的机制差异，读者可据此理解它为何能做到低延迟。

  2. Google DeepMind76

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

    Google DeepMind 发布 Gemma 4 12B，定位为可在笔记本本地运行的多模态模型，介于 E4B 与 26B MoE 之间，是首个支持原生音频输入的中等规模模型，Gemma 4 系列下载量已超 150 million。

    推荐理由：原文说明了无编码器统一架构的具体做法与本地运行门槛，便于评估其对端侧工作流的适配性。

  3. Google DeepMind44

    Google DeepMind Accelerator: Robotics 项目启动，遴选 15 家欧洲机器人初创公司

    Google DeepMind 推出 Google DeepMind Accelerator: Robotics 项目，从欧洲遴选 15 家早期机器人初创公司加入。入选企业本周在伦敦集合启动项目，将获得为期 3 个月的密集导师指导与技术支持，可使用 Google DeepMind 的 AI 技术栈、技术专家资源及 Gemini robotics 模型，涵盖物流、制造、医疗、气候与先进导航等领域。

6月8日周一
  1. Google DeepMind62

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

    Google DeepMind 公布在塞拉利昂开展的 Guided Learning 预注册试验结果：使用该工具的学生数学成绩较对照组提升 +0.258 个标准差，约相当于八周内 1.2 至 1.7 年的学习进展；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材料，读者可据此评估 AI 辅助教学的实际效果与可复制性。

6月5日周五
  1. Google Research66

    Google 发布 Gemini Enterprise Agent Platform 的 Agentic RAG 功能

    Google 在 Gemini Enterprise Agent Platform 推出 Agentic RAG 功能，通过多智能体协作处理复杂多源查询。该系统在跨语料库测试中准确率达到 90.1%，并新增了“充分上下文”智能体机制，能在信息缺失时自动发起二次搜索以补齐证据，目前处于公开预览阶段。

    推荐理由：该功能通过多智能体协作实现跨语料库检索，在混合干扰数据集上准确率达90.1%，目前已在Gemini企业平台提供公开预览。

  2. Google Research62

    Google 发布基于智能手机摄像头被动监测心率的研究

    Google 发布发表于 Nature 的研究“Passive Heart Rate Monitoring During Smartphone Use in Everyday Life”，提出被动心率监测系统（PHRM），通过前置摄像头在人脸解锁后拍摄短视频并结合深度学习算法，实现日常使用中被动测量心率（HR）和静息心率（RHR）。

    推荐理由：该研究展示了手机前置摄像头在日常生活被动监测心率与静息心率的可行性，并开放了包含多样肤色人群的大规模数据集供研究使用。

6月4日周四
6月1日周一
5月29日周五
  1. Google Research78

    Google Research 在 I/O 2026 发布 Gemini for Science 与 Gen 2.0 等核心科研工具

    Google Research 在 I/O 2026 发布了面向科学研究的 Gemini for Science 套件，包括基于 ERA 的 Computational Discovery 与基于 Co-Scientist 的 Hypothesis Generation。

    推荐理由：原文展示了Google Research在I/O发布的一系列核心技术与工具，涵盖了从科学发现、医疗健康到端侧硬件的完整落地路径。

5月28日周四
  2. Mistral AI79

    Mistral 发布统一智能体 Vibe，整合办公与编码工作流

    Mistral 将 Le Chat 升级为 Vibe，提供统一的办公与编码智能体。Work Mode 支持跨应用多步骤任务和可复用技能，Code Mode 提供远程沙箱编码会话和 VS Code 扩展，支持并行会话和 GitHub 集成。服务面向 Free、Pro（14.99 美元/月）、Team（24.99 美元/用户/月）及 Enterprise 层级用户。

    推荐理由：Le Chat 升级为 Vibe，统一办公与编码场景，提供可复用技能和远程沙箱执行，适合评估现有工作流整合。

  3. Mistral AI67

    Mistral AI 开源 Search Toolkit 框架

    Mistral AI 发布开源 Search Toolkit，将数据摄取、检索和评估整合到一个共享接口的框架中，覆盖云服务、本地和边缘部署。该框架适用于企业搜索、RAG 质量和领域特定检索，通过内置评估指标如 recall、precision、MRR、NDCG 帮助隔离检索与生成质量，并支持通过 MCP 连接 CRM 等实时数据源。

    推荐理由：Mistral 将搜索、摄取与评估整合为单一开源框架，为构建生产级 RAG 管道提供了一套可复用且解耦的基础设施方案。

  4. Google Gemini API Release Notes72

    Google 正式发布 Gemini 3.1 Flash 和 3 Pro 图像模型，支持视频转图片生成

    Google 发布 Gemini 3.1 Flash Image 和 Gemini 3 Pro Image 正式 GA 版本，并停止预览模型服务。新增视频转图片生成能力，支持通过视频文件或 YouTube 链接结合文本提示生成缩略图、海报或信息图，该功能仅限 gemini-3.1-flash-image 使用。

    推荐理由：提供视频转图片原生功能支持及正式版模型入口，便于快速集成生成高质量视觉资产。

  5. Google Research31

    Google Research 提出零信任聚合方案，利用单次消息加密协议与 TEE 提升设备端 AI 隐私分析效率

    Google 部署新隐私分析方案，结合单次消息加密协议与可信执行环境（TEE）构建零信任架构。该设计确保证据仅能获取匿名化的群体聚合洞察，杜绝个人数据在服务器内存中明文暴露，解决了传统多轮交互协议中设备需长期在线的效率瓶颈。

5月27日周三
  1. Mistral AI62

    Mistral引入Emmi AI，将物理AI嵌入企业工程平台

    Mistral宣布引入Emmi AI，把物理AI作为工程加速的基础能力纳入其企业方案，面向ASML、Airbus、Safran、Siemens Energy等伙伴。

    推荐理由：Mistral将物理AI定位为工程加速能力并嵌入企业栈，给出伙伴名单和适用场景供读者快速理解定位。

  2. Mistral AI29

    Mistral 收购 Emmi AI，聚焦航空航天、汽车等行业的物理 AI 基础模型研发

    Mistral 完成对 Emmi AI 的收购，以推进工业工程领域的 AI 研发。新成立的团队专注于构建服务于航空航天、汽车、半导体和能源等行业的底层物理 AI，旨在加速下一代产品的开发。该工作基于多项已发表成果，包括用于 3D 机翼跨音速流动的神经网络代理数据集、通用物理 Transformer 以及核聚变等离子体湍流的 5D 代理模型。

5月25日周一
5月23日周六
5月22日周五
5月20日周三
  1. Google Research84

    Google 在 Nature 发表 ERA 论文并推出 Computational Discovery 工具

    Google 在 Nature 发表 ERA 系统论文并开放 Computational Discovery 工具。该系统利用 Gemini 编写和优化科学代码，在基因组、流行病学等基准上达到专家级性能。应用 ERA 的八个研究项目包括流感预测、加州径流预测和大气 CO2 映射。

    推荐理由：原文展示了 ERA 在流行病预测、碳监测等八个科学问题的实证结果，读者可据此判断其计算发现的可靠性。