跳到正文

#论文/研究

今日 0 条
7月16日周四
7月9日周四
  1. Google Research62

    Google Research 发布 SensorFM 可穿戴健康基础模型

    Google Research 提出 SensorFM，一个直接从无标注可穿戴数据学习的大型传感器基础模型，预训练语料来自 500 万同意参与者、超过 1 万亿分钟的多模态传感器信号，覆盖 100 多个国家和 20 多款 Fitbit 与 Pixel Watch 设备。

    推荐理由：原文给出可穿戴健康基础模型的预训练规模与下游评测结果，读者可据此判断通用生理表征的可行性。

7月8日周三
7月1日周三
6月27日周六
6月25日周四
  1. Google Research31

    Google 用线性弹性缓存优化云成本，Spanner 内存用量降 15.5%

    Google Research 提出线性弹性缓存，把页面淘汰建模为滑雪租赁问题，用轻量机器学习动态调整缓存大小，在 Spanner 生产环境实测内存用量降低 15.5%、缓存未命中仅增加 5.5%、总拥有成本（TCO）降低约 5%。该方案用浅层决策树为每个页面预测 TTL，缓存写满时仍由 LRU 兜底，并已在公开缓存 trace 上验证。

6月16日周二
  1. Google DeepMind60

    Google DeepMind 发布 AI Control Roadmap，用纵深防御保障内部 AI 智能体安全

    Google DeepMind 发布 AI Control Roadmap，一套用于在 Google 内部构建和管理先进 AI 的纵深防御框架，在模型对齐之外增加系统级安全层，即使对齐不完美也能提供保障。

    推荐理由：DeepMind 公开内部 AI Control Roadmap，给出把内部智能体当作潜在内部威胁的分级监控与响应框架。

6月13日周六
  1. Google Research34

    Google Research 研究 AI 如何帮助用户理解皮肤问题

    Google Research 公布两项皮肤健康 AI 研究：一项发表于 JAMA Dermatology 的大规模调查显示，2345 名参与者借助 AI 工具尝试命名皮肤状况的比例达 62%，准确率 23%，约为无辅助对照组 8% 的近三倍。但 AI 组在判断下一步就医建议上未取得统计显著提升，且比对照组更倾向建议较低紧急度的处理方式。

6月11日周四
6月8日周一
  1. Google DeepMind62

    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随机对照试验结果，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：塞拉利昂预注册随机对照试验给出了 Guided Learning 的量化增益与交互数据，可了解 AI 辅助教学的实际效果与局限。

6月5日周五
  1. Google Research71

    Google 研究用手机摄像头实现被动心脏健康监测

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

    推荐理由：Google 用手机前摄在解锁后被动测心率，并公开迄今最大规模手机视频数据集与预训练模型。

5月28日周四
  1. Google Research32

    Google 推出零信任聚合的隐私分析方案，单次消息即可完成安全聚合

    Google 发布一套零信任隐私分析方案，将新型单次消息密码学聚合协议与 TEE 结合，使设备无需多轮在线即可提交数据。该方案保证 Google 只能获得匿名化的群体聚合洞察，原始数据即使在硬件保护范围内也不会被解密或重建，TEE 认证则向参与者证明协议按公开代码正确执行。

5月19日周二
  1. Google DeepMind62

    Google DeepMind 用 Co-Scientist 加速细胞衰老逆转研究

    Google DeepMind 介绍其 Co-Scientist 正被用于细胞衰老逆转研究。它扫描数万篇论文后提出 20 多个新的候选遗传因子，实验室测试验证了其中几个假设，成功让细胞进入更年轻状态并改善整体功能。此外，Co-Scientist 将原本需要长达六个月的筛选数据分析缩短到几天。

    推荐理由：原文给出 Co-Scientist 在衰老研究中的具体产出与验证结果，读者可了解 AI 辅助科研的落地方式。

5月16日周六
  4. Google DeepMind60

    斯坦福用 Co-Scientist 筛选抗肝纤维化药物

    斯坦福大学医学院遗传学家 Gary Peltz 团队在《Advanced Science》发表研究，测试 Google DeepMind 的 Co-Scientist 能否从现有药物文献中找出可重定位治疗肝纤维化的候选药。

    推荐理由：斯坦福团队用 Co-Scientist 筛选肝纤维化药物，AI 提名的候选在活细胞实验中优于研究者自选。

5月12日周二
5月8日周五
  1. Berkeley AI Research45

    自适应并行推理：高效推理扩展的下一个范式

    自适应并行推理（Adaptive Parallel Reasoning）允许模型自主决定何时分解子任务、生成并发线程数量及协调方式，以解决顺序推理导致的上下文膨胀与延迟问题。该范式旨在克服现有固定并行结构无法根据问题复杂度动态调整计算资源的局限，实现更高效的大语言模型推理扩展。

4月30日周四
  1. Google DeepMind66

    Google DeepMind 发布 AI co-clinician 医疗研究计划

    Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗。在 98 个真实初级保健查询的盲评中，该系统 97 个案例零关键错误，医生更偏好其回答而非主流证据综合工具；在 140 项问诊技能评估中，AI 在 68 项达到或超过初级保健医生水平，但专家医生在识别危险信号和指导关键体格检查上整体更优。

    推荐理由：DeepMind 公开 AI co-clinician 研究计划，给出医生盲评与实时多模态模拟的对比数据，可了解医疗智能体当前能力边界。

  2. Google Research62

    Google Research 科学家使用 ERA 开展科研的四种方式

    Google Research 介绍了科学家使用 Empirical Research Assistance（ERA）开展科研的四个方向。公共卫生方面，团队每周向 CDC 的流感、COVID-19 和 RSV 住院预测项目提交全美各州、最长提前四周的实时预测，在流感与 COVID-19 公开排行榜上处于或接近榜首。

    推荐理由：四个跨领域案例展示了 ERA 从预测到机制发现的具体用法，可了解 AI 辅助科研的落地边界。

4月22日周三
  1. Google DeepMind62

    Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构

    Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，把训练任务拆成解耦的计算孤岛并以异步数据流连接，从而隔离局部硬件故障。该架构基于 Pathways 和 DiLoCo，在混沌工程测试中丢失整个 learner unit 后仍能继续训练并重新接入；用 Gemma 4 模型验证时，其基准 ML 性能与传统训练方法持平。

    推荐理由：Google DeepMind 用 Gemma 4 实测了跨数据中心异步训练，读者可了解分布式预训练在带宽与容错上的新解法。

4月20日周一
  1. Berkeley AI Research42

    GRASP 提出基于梯度的长时程世界模型规划方法

    GRASP 是一种针对学习动态（世界模型）的基于梯度的规划器，通过提升轨迹至虚拟状态实现时间并行优化，并在状态迭代中引入随机性以增强探索。该方法通过重塑梯度，使动作获得清晰信号，同时避免通过高维视觉模型计算脆弱的“状态输入”梯度，从而解决长时程规划中优化病态及局部极小值问题。

4月16日周四
4月9日周四
  1. Google Research34

    Google Research 发布 ConvApparel：测量并弥合用户模拟器的真实感差距

    Google Research 推出 ConvApparel 数据集，包含超 4,000 段人机多轮对话、近 15,000 轮，用于量化 LLM 用户模拟器与真实人类的真实感差距。该数据集采用双智能体采集协议，将用户随机路由至乐于助人的 "Good" 智能体或刻意不配合的 "Bad" 智能体，并配有逐轮用户满意度等标注。研究同时提出包含群体统计对齐、人类相似度评分与反事实验证三支柱的评估框架。

4月3日周五
4月1日周三
3月31日周二
  1. Google Research68

    Google 发布白皮书：量子计算机破解加密货币椭圆曲线密码所需资源大幅下降

    Google Quantum AI 发布白皮书，称未来量子计算机可能以比此前认知更少的量子比特和门破解保护加密货币的椭圆曲线密码，并给出针对 ECDLP-256 的两套 Shor 算法量子电路。

    推荐理由：Google Quantum AI 给出破解 ECDLP-256 的最新量子资源估算，并公开其负责任披露流程，可供关注后量子迁移节奏的读者参考。

3月25日周三
  1. Google Research62

    Google 发布 TurboQuant 等三种向量量化算法，KV cache 压缩至 3 bit 且无精度损失

    Google Research 发布 TurboQuant 压缩算法，并配套提出 QJL 与 PolarQuant，用于解决向量量化中的内存开销问题，三篇工作将分别亮相 ICLR 2026 和 AISTATS 2026。

    推荐理由：Google 提出 TurboQuant 等三种向量量化算法，在 KV cache 压缩与向量搜索上给出可复用的精度与内存权衡方案。

  2. Google Research31

    Google Research 推出 S2Vec：用自监督嵌入学习城市建成环境

    Google Research 发布 S2Vec，一个自监督框架，通过 S2 Geometry 分区与特征栅格化将建成环境转为多层图像，再用掩码自编码（MAE）学习通用嵌入向量。在 US-wide 人口密度、收入中位数等社会经济预测的零样本地理外推任务中，S2Vec 通常是最佳单模型，与图像嵌入做多模态融合后表现普遍优于单一模态；但在树冠覆盖、海拔等环境任务上仍需改进。

3月18日周三
3月17日周二
3月13日周五
  1. Berkeley AI Research42

    SPEX 和 ProxySPEX 算法实现 LLM 大规模交互识别

    Berkeley AI Research 提出 SPEX 和 ProxySPEX 算法，利用稀疏性和低阶性在大规模下识别 LLM 的关键交互。ProxySPEX 利用层级结构特性，在保持性能的同时将所需的消融次数减少约 10 倍。SPEX 在特征归因任务中，当上下文扩展至数千个特征时，仍能保持与 Faith-Shap 等现有方法相当的高忠实度。

3月12日周四
  1. Google Research60

    Google 推出 Groundsource：用 Gemini 把新闻报道转为灾害数据

    Google Research 推出 Groundsource，一种用 Gemini 从非结构化新闻中提取灾害历史数据的方法，并发布首个开放数据集，包含 2000 年至今 150 多个国家的 260 万条城市山洪记录。

    推荐理由：Google 用 Gemini 从 80 种语言新闻中抽取洪水事件，其人工核验准确率与覆盖范围可供评估 LLM 做数据抽取的可行性。

  2. Google Research66

    Google 与 BIDMC 开展对话式诊断 AI 真实临床可行性研究

    Google Research 与 Beth Israel Deaconess Medical Center 合作开展了一项前瞻性单中心可行性研究，让 AMIE 在门诊初级保健就诊前与患者进行文本问诊，由医生通过视频实时监督。

    推荐理由：Google 与 BIDMC 首次在真实门诊流程中前瞻性部署对话式诊断 AI，给出了安全事件、诊断一致性与医患反馈的具体数据。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料，版权归来源方所有