Google Research 介绍 SensorFM：面向可穿戴健康数据的通用基础模型
Google Research 介绍 SensorFM，这一模型使用来自 5 million 名参与者的超过 1 trillion minutes 多模态可穿戴传感器数据进行预训练。
推荐理由：文章将可穿戴数据的规模化预训练、缺失感知学习与智能体适配串联起来，展示了通用表示跨健康任务迁移的路径。
#多模态
#多模态
今日 0 条Google Research精选AI 评分7777
Hugging Face Blog精选AI 评分8080 Hugging Face 发布 LeRobot v0.6.0，完善机器人学习闭环
Hugging Face 发布 LeRobot v0.6.0，新增世界模型策略、奖励模型、六个仿真基准和 lerobot-rollout 部署 CLI。数据集支持深度、VLM 自动语言标注和自定义视频编码，数据加载最高提速约 2x；训练新增 FSDP 与 HF Jobs 云训练。
推荐理由：LeRobot v0.6.0 将世界模型策略、奖励模型、统一评测和部署采集串成闭环，并补充数据处理与云训练能力，便于理解机器人学习工作流的变化。
Hugging Face Blog精选AI 评分6969 Hugging Face 与 Cerebras 将 Gemma 4 用于实时语音 AI
Hugging Face 与 Cerebras 展示了将 Gemma 4 31B 用于实时语音到语音系统的方案。该开放管线依次使用 Nvidia 的 Parakeet 进行语音识别、在 Cerebras 上运行 Gemma 4 VLM 推理，并通过 Qwen3TTS 生成语音。相关架构已用于 Reachy Mini 机器人，配套代码仓库为 huggingface/speech-to-speech。
推荐理由：文章拆解了实时语音到语音管线的模块构成与协作方式，开发者可据此了解低延迟架构的实现路径和代码入口。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite 图像模型，并面向开发者开放 Gemini Omni Flash 视频生成与对话式编辑模型。
推荐理由：文章同时给出图像与视频模型的定位、价格和限制，便于开发者比较生成速度、成本与可用范围。
Import AIAI 评分5151 Import AI 461：对齐未按计划推进、FrontierCode 与 AI 科研实习生
Import AI 461 介绍 Sequent 的对齐研究计划，并梳理 FrontierCode 代码基准与 AARRI-Bench 科研助手基准。FrontierCode 的 Diamond 部分中，Claude Opus 4.8 得分 13.4%，GPT-5.5 得分 6.3%。
Google Research精选AI 评分6767 Google Research 研究 AI 如何帮助用户理解皮肤状况
Google Research 分享多项关于 AI 辅助理解皮肤状况的研究，发现 AI 工具将条件名称猜测准确率从标准搜索的 8% 提高到 23%。在 2,345 名参与者的研究中，AI 对后续医疗步骤判断没有显著改善；另一项涉及 110 名参与者的真实场景研究显示，参与者命名条件的能力提高 260%，临床医生认为应用预测与自身评估一致的比例为 86%。
推荐理由：研究同时考察了皮肤状况识别和后续决策，呈现视觉匹配能带来的帮助及医疗建议场景中的局限。
Google DeepMind精选AI 评分8181 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，这是一款面向笔记本本地运行的统一无编码器多模态模型，支持原生音频输入，并提供多步推理和智能体工作流能力。该模型在标准基准上的表现接近 26B MoE 模型，支持使用 16GB 内存本地运行，并以 Apache 2.0 许可证发布。
推荐理由：文章从架构、资源占用和本地部署入口三个层面，说明 Gemma 4 12B 如何将多模态智能带到消费级笔记本。
Google Research精选AI 评分7777 Google Research 介绍 PHRM：用智能手机摄像头被动监测心率
Google Research 在 Nature 论文中介绍 PHRM，利用前置摄像头在人脸解锁后采集 8 秒面部视频，在日常手机使用中被动估计心率和每日静息心率。真实场景验证中，心率 MAPE 为 6.09%，静息心率相对 Fitbit Charge 6 的 MAE 为 4.39 bpm；团队同时开放研究数据集和预训练 PHRM-mini 模型，合格研究者可申请访问。
推荐理由：论文展示了 PHRM 如何在日常手机使用中估计心率与静息心率，并以跨肤色数据和真实场景验证其准确性。
Google Research精选AI 评分6060 Google Research 在 I/O 2026 展示多项 AI 研究进展
Google Research 在 I/O 2026 集中介绍了 Gemini for Science、AI 医疗研究、端侧平台、极端天气预测、Gemini 能力改进和量子计算等方向的进展。文章还介绍了 Google Antigravity 2.0 的多智能体开发工作流、Gemma V4 上线一个月下载量超过 100 million，以及 MedGemma 下载量超过 5M。
推荐理由：文章集中梳理 Google Research 在科学发现、医疗、开发者工具和量子计算等方向的 I/O 研究进展，呈现研究成果如何进入具体产品与实验。
Google DeepMind精选AI 评分7373 Project Genie 推出基于 Google Street View 的真实地点生成能力
Google DeepMind 在 Project Genie 中推出由 Google Street View 提供真实地点 grounding 的新能力，让用户基于美国地点创建带有不同风格和角色的想象世界。
推荐理由：文章展示了 Genie 如何把 Street View 真实地点接入可交互生成环境，并交代美国可用范围、全球开放对象与实验性限制。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini Omni Flash 视频生成模型
Google DeepMind 发布 Gemini Omni Flash，可将图像、音频、视频和文本作为输入，生成基于 Gemini 世界知识的视频，并通过对话进行连续编辑。
推荐理由：原文同时交代了 Gemini Omni Flash 的视频生成与对话编辑能力，以及订阅用户、YouTube Shorts 和开发者 API 的开放路径，便于理解其落地范围。
Google DeepMind精选AI 评分7575 Google 扩展内容溯源工具并推出 AI Content Detection API
Google DeepMind 扩展 Search、Gemini、Chrome、Pixel 和 Cloud 中的内容透明度与验证工具，并推出 AI Content Detection API。
推荐理由：文章梳理了 SynthID 与 C2PA 在 Google 产品和行业伙伴中的扩展路径，并给出 AI Content Detection API 的落地场景。
Google DeepMind精选AI 评分6060 Google DeepMind与新加坡政府启动国家AI合作伙伴关系
Google DeepMind与新加坡政府启动新的国家AI合作伙伴关系，并在新加坡推出医疗、生命科学、教育、科研、可持续发展和AI安全项目。合作方预计通过加速研发，到2040年创造额外S$ 3.3 billion（US$2.5 billion）的经济价值。
推荐理由：文章梳理了Google DeepMind与新加坡政府合作落地的医疗、教育、科研和安全项目，呈现国家级AI应用的具体路径。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 3.5 Flash，主打智能体与编码
Google DeepMind 发布 Gemini 3.5 系列并首先推出 Gemini 3.5 Flash，定位为面向智能体和编码的高速模型。
推荐理由：文章同时交代 Gemini 3.5 Flash 在智能体、编码和多模态基准上的具体表现，以及面向个人、开发者和企业的开放入口，便于理解其应用范围。
Google ResearchAI 评分5555 Google Research：全球合作与开放资源推动科学影响力
Google Research介绍其通过开放源代码工具、开放数据集与全球科研伙伴推动科学研究和实际应用，相关资源已服务全球超过250,000名研究者和开发者。文章列举基因组学、神经科学、气候建模、生物多样性和医疗等案例，并提出未来将探索以agentic workflows和Skills共享科研方法。
Google DeepMind精选AI 评分7373 Google DeepMind 启动 AI co-clinician 医疗智能体研究计划
Google DeepMind 宣布 AI co-clinician 医疗智能体研究计划，探索在医生监督下辅助患者护理并增强临床团队能力。在98个真实感初级保健问题中，该系统有97个案例未出现关键错误，并在开放式药物问答中超过其他前沿 AI 系统。
推荐理由：文章结合临床证据评估、实时多模态模拟和双智能体安全架构，呈现了医疗智能体的应用边界与研究路径。
Google Research精选AI 评分7777 Google Photos 在 Auto frame 中提供基于 3D 场景重构的自动改视角功能
Google Research 宣布，Google Photos 已在 Auto frame 中提供自动重构照片视角的功能。该功能先估计 3D 点图和相机参数，再用生成式 latent diffusion model 补全新视角下原本未拍到的区域，并自动调整人像构图、缓解广角自拍的透视畸变。符合条件的含人物照片可在 Auto frame 候选中获取重构后的第二个版本。
推荐理由：Google Photos 的 Auto frame 将 3D 场景重建与生成式修补结合，用于自动调整人像视角，呈现生成式编辑从裁剪到视角重构的变化。
Google ResearchAI 评分4949 Google Research 推出 PaperVizAgent 与 ScholarPeer 两个 AI 智能体，改进学术工作流
Google Research 推出 PaperVizAgent 和 ScholarPeer 两个 AI 智能体，分别用于生成学术图表和自动评审论文。PaperVizAgent 由五个专用智能体协作，在 0-100 评分中获 60.2 分，超过人类基线 50.0 及 GPT-Image-1.5、Nano-Banana-Pro、Paper2Any。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemma 4 开源模型家族
Google DeepMind 发布 Gemma 4 开源模型家族，提供 E2B、E4B、26B MoE 和 31B Dense 四种规模，面向高级推理与智能体工作流。
推荐理由：文章同时交代四种规模、MoE 激活参数量、端侧离线能力与 Apache 2.0 授权，便于比较部署和微调选择。
Google Research精选AI 评分7373 Google 发布 Vibe Coding XR，用 Gemini 和 XR Blocks 加速 Android XR 原型开发
Google 发布 Vibe Coding XR 工作流，结合 Gemini 与基于 Web 的 XR Blocks，将自然语言直接转化为 physics-aware Android XR 应用，生成时间可低于 60 seconds。
推荐理由：文章展示了 Gemini 与 XR Blocks 如何把自然语言转成 physics-aware Android XR 应用，并介绍 VCXR60、Pro Mode 和 11 次迭代带来的评测线索。
Google ResearchAI 评分5050 S2Vec 如何学习城市的空间语言
Google Research 介绍了 S2Vec，这是一种通过自监督学习生成建成环境通用嵌入向量的框架，可用于预测人口密度和收入等社会经济指标。评测显示，S2Vec 在未见区域的社会经济预测中表现有竞争力，与图像嵌入融合通常优于单一模态；在树木覆盖率和海拔等环境任务上，仅依靠建成环境数据仍有限。
Google Research精选AI 评分6464 Google Research 在 The Check Up 展示 AI 从医疗创新走向真实护理场景
Google Research 在 The Check Up 总结其 AI 医疗研究，覆盖个性化健康、临床协作、公共卫生和生物医学发现。研究系统识别出此前漏检的 25%“间隔癌症”，糖尿病视网膜病变筛查已覆盖一百多万人；MedGemma、AMIE 等系统也在推进临床研究和医疗应用。
推荐理由：文章串联了个性化医疗、临床协作、公共卫生和生物医学发现中的多个案例，呈现 Google Research 将 AI 推向医疗场景的路径。
Google Research精选AI 评分8181 Google Research 研究 AI 如何改进乳腺癌筛查流程
Google Research介绍AIMS研究的两项Nature Cancer研究，评估AI乳腺癌检测系统的独立表现及其作为第二阅片者融入NHS流程的可行性。独立评估中，整体癌症检出率从每千名女性7.54升至9.33，AI识别出原双读流程漏掉的25%间隔癌。阅片者研究显示，AI工作流与传统双人阅片在敏感性和特异性上具有非劣效性，并估计可减少46%的人工阅片量和36–44%的阅片时间。
推荐理由：文章将大规模回顾性评估、真实临床部署与阅片者研究放在一起，呈现AI提高检出率并降低阅片负担时的流程条件与协作难点。
Mistral AIAI 评分4949 Mistral AI 推出 Forge，助力企业训练基于专有知识的 AI 模型
Mistral AI 推出 Forge，帮助企业利用专有文档、代码库、结构化数据和运营记录，训练理解内部知识与工作流的前沿级 AI 模型。Forge 支持预训练、后训练、强化学习，以及 dense、MoE 架构和多模态输入，并允许模型在企业自有基础设施中受内部政策治理。其以 AI 智能体为先，支持 Mistral Vibe 微调模型、寻找超参数、调度任务和生成合成数据。
Mistral AI精选AI 评分8181 Mistral Small 4 发布，统一推理、多模态与智能体编码能力
Mistral AI 发布 Mistral Small 4，将 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力整合到单一模型，并支持可配置的 reasoning_effort。
推荐理由：Mistral Small 4 将推理、多模态和智能体编码能力整合到单一模型，并给出性能、部署与开源许可信息，便于评估实际采用成本。
Mistral AI精选AI 评分6767 Mistral AI 发布 Mistral Small 4 并加入 NVIDIA Nemotron Coalition
Mistral AI 发布 Mistral Small 4，并作为创始成员加入 NVIDIA Nemotron Coalition。Mistral AI 与 NVIDIA 计划结合模型架构、计算资源、开发工具和合成数据管线，共同开发开放的前沿 AI 模型。联盟首项计划是在 NVIDIA DGX Cloud 上训练基础模型，为即将推出的 NVIDIA Nemotron 4 家族提供开放基础。
推荐理由：材料把 Mistral AI 的模型发布与 NVIDIA Nemotron Coalition 的合作安排放在一起，交代了开放模型共建的参与方式和后续方向。
Mistral AI精选AI 评分6868 Mistral AI 发布 Mistral OCR 3
Mistral AI 发布 Mistral OCR 3，官方称其在表单、扫描文档、复杂表格和手写内容上相较 Mistral OCR 2 的整体胜率为 74%。
推荐理由：原文同时给出跨文档类型的对比结果、API 与可视化入口及按页计价，便于评估 OCR 接入企业流程的成本与适用场景。
Mistral AI精选AI 评分8484 Mistral 3 发布，包含 Mistral Large 3 与 Ministral 3 系列模型
Mistral AI 发布 Mistral 3，包含 14B、8B、3B 三个小型 dense 模型，以及采用稀疏 MoE、拥有 41B active 和 675B total 参数的 Mistral Large 3，全部采用 Apache 2.0 许可。
推荐理由：这次发布同时覆盖端侧小模型与大规模 MoE 模型，并给出开源许可、部署格式和多家平台入口，便于比较不同规模模型的使用路径。
Mistral AIAI 评分5757 Mistral AI 介绍如何通过微调提升 Pixtral-12B 的卫星图像分类效果
Mistral AI 介绍使用 LoRA 微调 Pixtral-12B 进行卫星图像分类的方法，并通过 Aerial Image Dataset 展示领域适配效果。
Mistral AI精选AI 评分8383 Mistral AI 发布 Voxtral 语音理解模型
Mistral AI 发布 Voxtral 语音理解模型，提供 24B 生产版本和 3B 本地与端侧版本。两者均以 Apache 2.0 许可发布，支持 32k token 上下文、长音频转写与理解、语音问答、摘要、多语言处理和函数调用。Voxtral 也通过 API 提供服务，定价从 $0.001 per minute 起。
推荐理由：Voxtral同时提供可本地部署的开源模型与API，并把长音频理解、问答摘要和语音函数调用纳入同一系统，便于比较开放部署与商业接口的取舍。
Mistral AI精选AI 评分7878 Mistral Medium 3 发布，主打低成本企业级性能
Mistral AI 发布 Mistral Medium 3，定位为兼顾 SOTA 性能、较低成本和简化部署的企业级模型。模型在基准测试中达到或超过 Claude Sonnet 3.7 的 90%，价格为 $0.4 input / $2 output per M token，并支持四个 GPU 及以上的自托管环境。
推荐理由：原文将 Mistral Medium 3 与 Claude Sonnet 3.7、Llama 4 Maverick 等模型放在性能和成本维度比较，并说明了企业部署与定制路径。
Mistral AI精选AI 评分7878 Mistral Small 3.1 发布，支持 128k tokens 多模态理解
Mistral AI 发布 Mistral Small 3.1，改进文本性能和多模态理解，将上下文窗口扩展至 128k tokens，推理速度达 150 tokens per second。
推荐理由：这次更新同时覆盖文本、多模态和长上下文，并提供 Apache 2.0 许可与基础模型，便于评估其在端侧和定制场景中的适用性。
Mistral AI精选AI 评分7676 Mistral AI 发布 Mistral OCR 文档理解模型与 API
Mistral AI 发布 Mistral OCR，一款可处理图片和 PDF 的 OCR API，能提取文本、图片、表格和公式并保持交错顺序。API mistral-ocr-latest 已在 la Plateforme 提供，定价为 1000 pages / $，batch inference 下每美元处理页数约翻倍。
推荐理由：Mistral OCR 将复杂文档中的文本、图片、表格和公式统一提取，并支持结构化输出与自托管，适合评估多模态文档进入 RAG 和智能体流程的方式。