Google DeepMind与英国政府合作开发基于Gemini的规划工具原型,目标将申请处理时间减半
Google DeepMind与英国政府合作开发基于Gemini的AI规划工具原型,目标将房主规划申请的处理时间缩短50%。工具可整理申请数据、匹配相关政策、汇总反馈并起草评估报告,规划官员仍保留逐行审核和最终批准或拒绝的权力。英国政府计划在早期试验后,于2027年向全国所有地方议会提供该工具。
Google DeepMind与英国政府合作开发基于Gemini的AI规划工具原型,目标将房主规划申请的处理时间缩短50%。工具可整理申请数据、匹配相关政策、汇总反馈并起草评估报告,规划官员仍保留逐行审核和最终批准或拒绝的权力。英国政府计划在早期试验后,于2027年向全国所有地方议会提供该工具。
Google Research 发布矢量化数据集,将 Farmscapes 2020 的高分辨率地图转化为包含树篱、石墙和小型林地的可操作清单。该框架使用在 300 million 全球卫星图像上预训练的 Remote Sensing Foundations Vision Transformer,并结合亚米级影像和 1-meter LiDAR 数据识别复杂农田景观。
推荐理由:文章展示了如何将高分辨率卫星影像与 LiDAR 数据转化为可用于生态恢复和碳核算的精细化地理数据。
Google DeepMind 发布 AI Control Roadmap,用分层防御管理内部 AI 智能体,即使模型对齐不完善,也通过权限控制、威胁建模和系统级安全措施降低风险。
推荐理由:文章将 AI Control Roadmap 拆解为威胁建模、监控与响应机制,并用可量化指标说明如何随智能体能力提升强化安全控制。
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 Research 提出 Regularized f-Divergence Kernel Tests,用相对三样本检验审计差分隐私与机器遗忘。该框架在 SVT3 隐私违规检测中仅用几千个样本,而 DP-Auditorium 需要数百万个样本才能达到相近的检测率。对所评估的近似机器遗忘方法,只有 random label technique 通过了测试,作者同时说明实验使用了简化实现。
推荐理由:文章把机器遗忘审计从直接比较两模型改为相对三样本检验,并展示其在隐私审计中减少样本需求、识别局部偏移的具体效果。
Google DeepMind 发布实验性开放模型 DiffusionGemma,采用文本扩散和并行生成,在专用 GPU 上实现最高 4 倍的文本生成速度。该 26B MoE 模型推理时激活 3.8B 参数,量化后可适配 18GB VRAM,并以 Apache 2.0 许可发布。DiffusionGemma 面向本地、低并发的交互式工作流,但整体输出质量低于标准 Gemma 4。
推荐理由:文章具体说明了 DiffusionGemma 在本地低并发推理中的速度优势,也交代了输出质量与标准 Gemma 4 的取舍。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 和 Google.org,面向全球研究者发起最高 $10M 的多智能体 AI 安全技术研究资助计划。
推荐理由:这项最高 $10M 的资助计划覆盖多智能体安全的四个研究方向,呈现了从单模型评估转向群体系统治理的研究重点。
Google DeepMind 发布 Gemini 3.5 Live Translate,支持在70+种语言之间进行接近实时的语音到语音翻译,并保留说话者的语调、节奏和音高。
推荐理由:Gemini 3.5 Live Translate展示了连续语音翻译在延迟、语调保留和多语言覆盖之间的具体取舍,并给出开发者与用户入口。
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 DeepMind Accelerator: Robotics 从欧洲遴选15家机器人初创公司,启动为期3个月的密集指导与技术支持项目。入选团队将获得 Google DeepMind 和 Google 专家的技术指导、产品建议,以及 AI stack 和 Gemini robotics models 的使用支持,推动 AI 融入机器人产品。
Google DeepMind 报告了在塞拉利昂开展的预注册试验,使用 Guided Learning 的学生数学成绩较对照组提高 +0.258 个标准差,八周内约相当于 1.2 至 1.7 年的典型学习进步。
推荐理由:这项预注册试验同时呈现了学习成绩、互动方式与教师角色的变化,为评估 AI 如何在教师主导课堂中支持学习提供了具体证据。
Import AI 460 聚焦四项 AI 研究与趋势:社会奖励劫持、Anthropic 的递归自我改进迹象、强化学习四旋翼竞速,以及国家媒体对 LLM 的影响。
Google 在 Gemini Enterprise Agent Platform 中推出由 Agentic RAG 驱动的 Cross-Corpus Retrieval,目前以 public preview 形式提供。
推荐理由:文章说明了 Sufficient Context Agent 如何驱动多轮检索,并给出跨语料库实验结果,便于理解该方案对复杂企业查询的改进。
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 将用于 Flood Hub 的水文建模框架开源至 GitHub,供气象水文机构训练和本地化微调 AI 洪水预报模型。框架以 Python 和 PyTorch 实现,包含 LSTM 架构、训练流水线、交互式教程,并支持使用 Caravan 历史河流数据及地方数据。
推荐理由:原文同时交代了框架、训练数据、教程和实际接入案例,读者可据此了解 AI 洪水预报如何进入地方业务流程。
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 Research 推出一种基于零信任原则的私有分析方案,将单消息加密聚合与 TEE 结合,以减少对单一实体的信任依赖。该方案采用基于格的协议,确保服务器只能获得匿名聚合结果,原始数据不会在服务器内存中暴露或重建。Android SafetyCore 将使用这套方案评估安全工具效果,同时让用户内容留在设备端。
推荐理由:文章解释了单消息加密聚合如何与 TEE 形成多层防护,并以 Android SafetyCore 说明其在端侧模型分析中的应用。
Google DeepMind 在亚太地区推出首届“AI for the Planet”加速器项目,帮助创新者利用 frontier AI 应对环境风险。项目为期三个月,面向 startups、research teams 和 nonprofits,聚焦 nature、climate、agriculture、energy 等领域。
Google Research 发布由 Gemini 驱动的 Empirical Research Assistance(ERA),并开始通过 Gemini for Science 逐步开放由 ERA 与 AlphaEvolve 构建的 Computational Discovery。
推荐理由:文章把 ERA 的研究结果、科学问题案例与开放路径放在一起,便于了解它如何从代码优化系统走向可供科研人员试用的工具。
Google DeepMind介绍 Co-Scientist 如何帮助研究人员寻找推动细胞恢复年轻状态的遗传因素,并分析大规模基因筛选结果。它检索数万篇论文后提出了20多个可测试的遗传因素,其中几项假设通过实验验证;筛选数据结合文献的分析工作也从最多六个月缩短到几天。
Import AI 457 汇总了 fast16 高精度软件破坏调查、Aurora 优化器研究、正向对齐立场论文,以及 Prime Intellect 的自主 AI 研究实验。
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 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 推出 Gemini for Science,包含 Google Labs 上的三款科学实验工具和 Google Antigravity 中的 Science Skills。三款工具分别用于假设生成、计算发现和文献分析,并将逐步开放注册。Science Skills 集成超过 30 个生命科学数据库和工具,可支持结构生物信息学与基因组分析等工作流。
推荐理由:原文同时梳理了三类实验工具、Science Skills及其科研应用场景,便于了解Google如何把智能体能力接入假设生成、计算实验和文献分析。
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。
剑桥大学 Clare Bryant 教授使用 Co-Scientist 研究动物传播给人类的病原体如何引发严重疾病。Co-Scientist 从研究方案中生成并排序假设,帮助团队锁定此前未关注的蛋白及相关氨基酸突变;原本可能需要 two to three years 的实验工作,团队预计六个月内完成。
推荐理由:这项案例展示了 Co-Scientist 如何从研究问题生成并排序假设,再将候选蛋白逐步收敛到可实验验证的具体氨基酸。
Calico Life Sciences 使用 Co-Scientist 汇总衰老生物学研究,提出关于代谢调控整合应激反应(ISR)的新假设。团队与 Co-Scientist 共同完善实验设计,并根据新结果持续调整研究,实验最终获得了对 ISR 在健康与疾病中作用具有重要意义的新发现,计划发表相关结果。
Google DeepMind 的 Co-Scientist 被爱丁堡大学团队用于梳理 MASH 相关文献、筛选关键机制并提出联合疗法候选。在 resmetirom 仅对部分患者有效的问题上,系统提出 NLRP3 炎症小体连接炎症与代谢的假设,该假设随后得到实验验证。
推荐理由:文章展示 Co-Scientist 如何从肝脏生物学与药理学文献中筛选机制和联合疗法假设,并连接到已获实验验证的 MASH 研究问题。
Co-Scientist 正帮助 MIT 的 Ritu Raman 与 Boston Children’s Hospital 的 Ryan Flynn 联合不同研究工具,探索 ALS 的新研究路径。它将庞杂且相互矛盾的文献梳理为可检验假设,并按可行性和潜在风险—收益排序方向;两人进一步寻找可用于靶向 ALS 的新型 RNA 机制及潜在 RNA 药物。
Google DeepMind 的 Co-Scientist 从既有药物文献中提出三种候选药物,其中两种在活体人类肝细胞测试中阻断了肝纤维化并促进肝细胞再生。研究团队还测试了自己选出的两种药物,但未观察到抗纤维化效果;Co-Scientist 的突出候选是抗癌药 vorinostat,其实验中阻断了 91% 的相关损伤反应。
推荐理由:这项研究展示了 Co-Scientist 如何从既有药物文献中提出候选,再通过人类肝细胞实验筛选抗肝纤维化药物。
Google DeepMind 的 WeatherNext 帮助美国国家飓风中心提前 5 天预测 Melissa 飓风将以 Category 5 强度登陆牙买加。WeatherNext 可运行 50 个不同的情景,在登陆前 5 天以 80% 置信度预测这一结果,提前 3 天时置信度接近 100%。
推荐理由:文章展示了 WeatherNext 如何通过 50 个情景集合同时预测飓风路径与强度,并为牙买加疏散和资源调度争取提前量。
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 DeepMind 发布基于 Gemini 的 Co-Scientist 多智能体系统,可迭代生成、辩论和演化复杂科学问题的研究假设。系统通过生成、反思、排名、演化和元评审等智能体协作,并结合 web search、ChEMBL、UniProt 及 AlphaFold 等工具探索研究方向。
推荐理由:文章拆解了 Co-Scientist 的多智能体协作与假设竞赛机制,并展示其在多项生命科学研究中的应用。
Import AI 456 汇总并评论了 RSI 可能带来的经济增长、AI 监管的“radical optionality”、神经计算机和 Google 的分布式训练。
Google DeepMind 发布报告称,Gemini 驱动的编码智能体 AlphaEvolve 已从试点工具扩展为 Google 基础设施的核心组件,并用于商业场景。
推荐理由:文章集中展示 AlphaEvolve 在科研、基础设施和商业场景中的应用,用具体指标说明算法优化能力如何迁移到不同领域。
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 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介绍了 Empirical Research Assistance(ERA)在流行病预测、宇宙学、气候监测和神经科学中的四类应用。
推荐理由:文章以流行病预测、宇宙学、气候监测和神经科学四个案例,展示 ERA 如何把计算建模用于不同类型的科学问题。
Google DeepMind 与韩国科学技术部(MSIT)宣布建立合作,将在首尔办公室设立 AI Campus,支持韩国科研机构使用 AI for Science 模型开展研究。合作将探索 AlphaEvolve、AlphaGenome、AlphaFold、AI co-scientist 和 WeatherNext 在生命科学、能源、天气与气候等领域的应用,并推进人才培养和 AI 安全研究。