Google 研究用手机前摄被动监测心率与静息心率
Google 在 Nature 发表 PHRM 研究系统,利用手机前摄在面部解锁后拍摄 8 秒视频,通过深度学习估算心率,与 ECG 相比 MAPE 低于 10%,覆盖所有肤色。
推荐理由:Google 用手机前摄在解锁后被动测心率,论文给出跨肤色误差数据与公开数据集,可了解 rPPG 落地进展。
Google 在 Nature 发表 PHRM 研究系统,利用手机前摄在面部解锁后拍摄 8 秒视频,通过深度学习估算心率,与 ECG 相比 MAPE 低于 10%,覆盖所有肤色。
推荐理由:Google 用手机前摄在解锁后被动测心率,论文给出跨肤色误差数据与公开数据集,可了解 rPPG 落地进展。
Google Research 在 GitHub 上以 Apache 2.0 许可开源其水文建模框架,让各国气象与水文机构能用与 Google Flood Hub 相同的架构和相近训练数据训练 AI 洪水预报模型。
Google Research 在 I/O 2026 上公布多项进展,包括面向科研的 Gemini for Science 工具套件、智能体开发平台 Antigravity 2.0,以及量子计算与健康 AI 方向的新成果。
推荐理由:Google Research 在 I/O 2026 集中披露 Gemini for Science、Antigravity 2.0 与量子计算等进展,可一览其研究到产品的转化路径。
Google 为隐私分析服务推出零信任聚合方案,结合新型单次消息加密聚合协议与 TEE,让设备无需多轮在线即可安全提交数据。该设计使 Google 只能获得人群的匿名聚合洞察,原始数据即使在硬件保护范围内也不会被暴露或重建,并通过 TEE 远程认证向参与者证明协议按公开代码正确执行。
Google DeepMind 在亚太地区推出首个加速器项目,聚焦“AI for the Planet”,面向该地区初创公司、研究团队和非营利组织,为期三个月。入选机构将获得专家指导,以及 Google AI 专家协助把前沿 AI 与科学 AI 模型集成进其项目或产品,覆盖自然、气候、农业、能源等领域。项目以在新加坡举办的线下训练营启动,现已开放意向登记。
Google 发布基于 Gemini 的科研工具 Empirical Research Assistance(ERA),可搜索文献、编写并优化科学代码,相关成果已发表于 Nature。
推荐理由:Google 公开 ERA 在 Nature 的评测结果与八篇应用论文,读者可了解 AI 写科学代码在流行病预测、径流预报等领域的实际表现。
Google DeepMind 发布博客介绍,生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 的实验室使用 Co-Scientist 辅助逆转细胞衰老研究。
推荐理由:Google DeepMind 官方披露 Co-Scientist 在衰老研究中的实际用法,读者可看到 AI 如何压缩文献筛选与数据分析周期。
SentinelOne 拆解了 20 多年前的病毒 fast16.sys,它通过篡改内存中高精度计算软件的结果,定向破坏 LS-DYNA 970、PKPM、MOHID 等工程仿真工具。
Google DeepMind 在 Project Genie 中推出 Street View grounding 能力,用户可选取美国境内的真实地点并搭配风格,生成以真实影像为起点的可交互世界。
推荐理由:Project Genie 接入 Street View 真实影像,读者可了解世界模型如何用真实地点为智能体提供环境。
Google DeepMind 发布 Omni 系列首个模型 Gemini Omni Flash,可组合图像、音频、视频和文本输入生成高质量视频,并通过自然语言对话逐轮编辑视频。
推荐理由:Gemini Omni Flash 把多模态输入与对话式视频编辑结合,读者可了解其能力边界与首批上线渠道。
Google DeepMind 发布 Gemini for Science,包含 Google Labs 上的三个实验性工具:基于 Co-Scientist 的 Hypothesis Generation。
推荐理由:Google 把 Co-Scientist、AlphaEvolve 等能力打包成科研工具并开放申请,可据此判断智能体在科研流程中的落地方式。
Google 宣布把内容透明度与验证工具扩展到 Search、Gemini、Chrome、Pixel 和 Cloud。
推荐理由:Google 把 SynthID 与 C2PA 验证铺到搜索、Gemini、Chrome 和 Pixel,读者可据此判断内容溯源工具的可用范围。
Google DeepMind 与新加坡政府启动国家 AI 合作,在新加坡推出医疗、科研、教育和气候等领域的新项目。合作探索 AI co-clinician 辅助诊疗,并用 AlphaFold、Google Earth 等工具推进东南亚传染病与疫情防控研究,同时向中小学至初级学院全体教育者提供 Gemini for Education。
剑桥大学教授 Clare Bryant 正用 Google DeepMind 的 Co-Scientist 寻找病原体跨物种传播引发脓毒症等重症的分子开关。Co-Scientist 从她的流感基金申请中生成并排序假设,优先锁定了一个她此前未关注的蛋白,并随数据补充将假设细化到具体氨基酸。Bryant 团队正构建携带氨基酸突变的细胞系验证,原本需两到三年的工作有望在六个月内完成。
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 整合衰老生物学中零散的研究发现,并将其转化为可验证的假设。
爱丁堡大学团队用 Google Co-Scientist 研究 MASH 肝病,系统整合肝脏生物学与药理学证据,提出 NLRP3 炎症小体是连接炎症与代谢的关键分子桥梁,该假设随后经实验验证。团队借此从海量潜在药物组合中筛选出可测试的候选联合疗法,并尝试解释 resmetirom 为何仅对少数符合条件的 MASH 患者有效。
Google DeepMind 的 Co-Scientist 帮助 MIT 机械工程师 Ritu Raman 快速梳理 ALS 相关矛盾文献,将想法转为可检验假设并按可行性与风险收益排序研究方向。
斯坦福大学医学院遗传学家 Gary Peltz 团队用 Google Co-Scientist 从已有药物文献中筛选肝纤维化候选药,其提出的 3 个候选中有 2 个在活体人类肝细胞测试中阻断纤维化并促进肝细胞再生,而 Peltz 自己挑选的 2 个药物均无效。表现最突出的是抗癌药 vorinostat,阻断了 91% 可驱动肝硬化的损伤反应。相关研究已发表于 Advanced Science。
Google DeepMind 与 Google Research 开发的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天预测飓风 Melissa 将以五级强度登陆牙买加,置信度达 80%,三天前升至接近 100%。
推荐理由:原文给出 WeatherNext 在飓风路径与强度预测上的实际表现,读者可了解 AI 天气模型如何辅助官方预警决策。
Google DeepMind 发布 Gemini 3.5 系列首个模型 3.5 Flash,定位为面向智能体与编码的前沿模型,已在 Gemini app、Search AI Mode、Google Antigravity、Gemini API 和 Gemini Enterprise 上线。
推荐理由:Gemini 3.5 Flash 在编码与智能体基准上的成绩和速度数据,可供判断前沿模型在延迟与质量间的取舍。
Google DeepMind 在 Nature 发表 Co-Scientist 研究,这是一个基于 Gemini 的多智能体系统,可迭代生成、辩论和演化科学假设,并通过“想法锦标赛”以 Elo 排名筛选最优假设。
推荐理由:DeepMind 公开 Co-Scientist 的多智能体架构与真实科研案例,可了解 AI 参与假设生成的具体流程。
Google DeepMind 发布 AlphaEvolve 一年成果汇总,这款由 Gemini 驱动的编码智能体已从试点进入 Google 基础设施核心环节,用于优化下一代 TPU 设计、缓存替换策略与 Spanner 存储。
推荐理由:DeepMind 汇总 AlphaEvolve 一年落地案例,涵盖基因组、电网、量子与 TPU 设计,可了解编码智能体在科研与基础设施中的实际作用。
Google Research 公布其开源工具与开放数据集已支持全球超 25 万名研究者和开发者。其基因组学工具 DeepVariant、DeepConsensus 和 DeepPolisher 已帮助全球处理 250 万人的外显子组和全基因组,与 UCSC 合作将遗传变异识别错误降低 50%。
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的“三方照护”模式。
推荐理由:DeepMind 公开 AI co-clinician 研究,含 98 例初级保健查询与 140 项问诊技能盲评数据,可了解医疗 AI 当前能力边界。
Google Research 介绍了科学家使用 Empirical Research Assistance(ERA)的四个真实科研案例,覆盖流行病预测、宇宙学、气候监测和神经科学。
推荐理由:四个跨领域案例展示了 ERA 如何从预测建模延伸到可解释的机制发现,可了解 AI 辅助科研的具体落地方式。
Google DeepMind 宣布与韩国科学技术信息通信部(MSIT)建立合作,将在首尔办公室设立 AI Campus,向韩国学界开放 AlphaEvolve、AlphaGenome、AlphaFold、AI co-scientist 和 WeatherNext 等前沿模型,首批合作机构包括首尔大学、KAIST 及该部的三个 AI Bio Innovation Hubs。
Google Research 宣布在 Google Photos 的 Auto frame 功能中上线一种新方法,把照片理解为 3D 场景并自动调整相机位置和焦距,生成原本未拍到的视角。该方法分两步:先用内部 3D 点图估计模型重建人体和面部并估算焦距,再用生成式潜在扩散模型填补新视角下出现的空洞。该功能已面向含人物的照片自动提供重新构图版本,作为 Auto frame 候选中的第二个选项。
推荐理由:原文拆解了 Google Photos 自动取景如何用 3D 场景估计加生成式补全改变拍摄视角,可了解生成式编辑的新思路。
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构,将训练拆分为异步通信的计算孤岛,降低带宽需求并隔离硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并重新接入,用 Gemma 4 模型达到与传统训练相当的基准性能。
推荐理由:原文给出跨数据中心异步训练在带宽、容错与混合硬件上的实测结果,可据此判断分布式预训练的工程取舍。
Google Research 在 ICLR 论文中提出 ReasoningBank,一种从成功与失败经验中提炼结构化推理记忆的智能体框架,配合 memory-aware test-time scaling(MaTTS)实现测试时自我进化。
Google DeepMind 与埃森哲、贝恩、BCG、德勤、麦肯锡达成合作,推动前沿 AI 在企业规模化落地。合作方将获得 Gemini 系列等前沿模型的早期访问权限,并围绕金融、制造、零售、媒体娱乐等行业共同开发行业专属 AI 方案。目前仅 25% 的组织成功将 AI 规模化投入生产。
Google Research 提出合成数据生成框架 Simula,将数据集构建重构为机制设计问题,通过全局多样化、局部多样化、复杂化和双评审质量检查四个步骤,从第一性原理生成数据集,无需种子数据。
Google Research 提出 MoGen 模型,通过点云流匹配生成合成神经元形态,为 PATHFINDER 重建模型补充训练数据,使小鼠轴突重建错误率降低 4.4%,主要来自合并错误的减少。该团队称,在完整小鼠脑规模下,这一改进相当于节省 157 人年的手动校对工作。MoGen 已作为开源模型发布,论文将在 ICLR 2026 展示。
Google DeepMind 发布 Gemini 3.1 Flash TTS 文本转语音模型,主打更强的可控性、表现力与音质,并引入可用自然语言指令控制语气、语速和表达方式的音频标签。
推荐理由:Gemini 3.1 Flash TTS 的音频标签与多说话人能力,展示了语音生成从朗读走向可导演式控制的方向。
Google 发布研究实验 Vantage,通过生成式 AI 在模拟环境中与 AI 虚拟角色对话,评估高中和大学生的问题解决、协作等未来技能,现已在 Google Labs 开放英文注册。
Google DeepMind 发布 Gemini Robotics-ER 1.6,这是其面向机器人的推理优先模型升级版,增强了空间推理与多视角理解,并新增仪表读数能力,可读取压力表、液位计等复杂仪表。
推荐理由:Gemini Robotics-ER 1.6 升级了空间推理与多视角理解,并新增仪表读数能力,可了解机器人在真实场景中的自主性进展。
Google Research 推出 ConvApparel 数据集,包含服装购物领域超 4000 段人机多轮对话、近 15000 轮,用于量化 LLM 用户模拟器与真实人类的真实感差距。
Google 发布两个学术智能体框架:PaperVizAgent 负责生成论文配图,ScholarPeer 负责自动同行评审。PaperVizAgent 由检索、规划、风格、可视化、评审五个智能体协作,在 0-100 分评测中整体得分 60.2,超过 GPT-Image-1.5、Nano-Banana-Pro、Paper2Any 等基线,也是唯一超过 50.0 人类基线的框架。
Google Research 提出评估 LLM 行为倾向对齐的框架,用改编自 IRI、ERQ 等心理量表的情境判断测试(SJT)评测 25 个 LLM,并与 550 名标注者的偏好分布对比。结果显示两类缺口:模型倾向偏离人类共识,且在人类无共识时无法覆盖人类意见的分布范围。小模型(<120B)与前沿闭源模型在人类一致时接近完美对齐,但共识低于 90% 时对齐率停滞在 80% 出头。
Google Research 在《Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation》中提出,AI 评测常用的每项 1-5 名标注者往往不足,要反映人类意见差异常需每项超过 10 名标注者。
Google Quantum AI 发布白皮书,称未来量子计算机破解保护加密货币的椭圆曲线加密(ECDLP-256)所需的量子比特和门数比此前认为的更少。
推荐理由:Google Quantum AI 更新了破解 ECDLP-256 所需的量子资源估算,并给出面向加密货币社区的 PQC 迁移与负责任披露建议。