Google Research 在 10 座美国城市实验导航协同分流缓解拥堵
Google Research 在 Nature Cities 发表研究，在 10 座美国城市开展为期六个月的实验，通过修改 Google Maps 算法将遇到预设拥堵路段的行程引导至耗时相近的替代路线，仅不到 2% 的行程收到改道建议。
推荐理由：Google Research 在 10 座美国城市做了为期半月的真实路网实验，读者可了解协同导航对全城车速与排放的实际影响。
数据与训练
全部主题训练侧的门道：数据集构建、合成数据、预训练与后训练方法、算力与训练成本。
最新精选
第 21–34 条 · 共 34 条Google Research精选AI 评分6262
Hugging Face Blog精选AI 评分7878 LeRobot v0.6.0 发布：世界模型策略、奖励模型与部署 CLI
Hugging Face 发布 LeRobot v0.6.0，围绕机器人学习闭环引入世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、新一批 VLA（GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT）以及统一奖励模型 API（Robometer、TOPReward）。
推荐理由：LeRobot v0.6.0 把世界模型策略、奖励模型与部署 CLI 串成闭环，读者可据此了解开源机器人学习栈的新能力边界。
Google Research精选AI 评分6767 Google 发布 TabFM：面向表格数据的零样本基础模型
Google 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，把表格预测重构为上下文学习问题，无需手动训练、超参数调优和特征工程，单次前向传播即可对未见过的表格生成预测。
推荐理由：原文给出 TabFM 的架构设计与 TabArena 基准结果，读者可据此判断零样本表格预测能否替代传统树模型流程。
Google Research精选AI 评分7171 Google 发布 ERA 科研工具并开放 Computational Discovery
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精选AI 评分6060 Google DeepMind 用 Co-Scientist 加速细胞衰老逆转研究
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。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini for Science 科研工具与实验
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 DeepMind精选AI 评分6060 WeatherNext 如何帮助美国国家飓风中心预测飓风 Melissa 登陆牙买加
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 Research精选AI 评分6060 Google Research 科学家如何使用 Empirical Research Assistance 的四种方式
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精选AI 评分6262 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，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精选AI 评分6262 Google 发布 TurboQuant 等三种向量量化算法，将 KV cache 压缩至 3 bit
Google 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。
推荐理由：Google 提出 TurboQuant 等三种向量量化算法，可在不损失精度下把 KV cache 压到 3 bit，读者可了解其原理与实测结果。
Google Research精选AI 评分6262 Google 与 NHS 合作研究：AI 辅助乳腺筛查可减少 46% 人工读片量
Google Research 与多家 NHS 机构合作的 AIMS 研究在 Nature Cancer 发表两项研究，评估 AI 用于乳腺筛查的表现与流程整合。
推荐理由：两项 Nature Cancer 研究给出 AI 参与乳腺筛查的具体检测率与读片量变化，可了解人机协作流程的实际收益与局限。
Mistral AI精选AI 评分6767 Mistral AI 推出 Forge，让企业用自有知识训练前沿模型
Mistral AI 发布 Forge，一套让企业基于自有专有知识构建前沿级 AI 模型的系统，支持预训练、后训练和强化学习等阶段。Forge 同时支持 dense 和 MoE 架构，并可按需支持多模态输入，模型可在企业内部基础设施中训练与治理。官方称已与 ASML、Ericsson、欧洲空间局等机构合作，并支持 Mistral Vibe 等智能体用自然语言完成微调、调参与合成数据生成。
推荐理由：Mistral 官方披露 Forge 的训练流程与架构支持，可据此判断企业自建前沿模型的门槛与路径。
Google Research精选AI 评分6969 Google 在 Flood Hub 上线城市山洪预报，提前 24 小时预警
Google 宣布在 Flood Hub 上线城市山洪预报，可提前最多 24 小时预测城市山洪风险。该模型基于 RNN 与 LSTM 架构，使用 Gemini 从公开新闻报道中提取历史山洪事件构建 Groundsource 数据集进行训练，目前以 20x20 公里分辨率运行，覆盖人口密度超过每平方公里 100 人的区域。
推荐理由：Google 把城市山洪预警扩展到 Flood Hub，读者可了解其用 Gemini 从新闻中提取训练数据的方法与全球覆盖思路。
Google Research精选AI 评分6060 Google 推出 Groundsource，用 Gemini 将新闻报道转为灾害数据
Google 发布 Groundsource，一种用 Gemini 从非结构化新闻中提取灾害事件的方法，首个开放数据集收录 260 万条城市山洪记录，覆盖 150 多个国家、时间跨度从 2000 年至今。
推荐理由：Google 用 Gemini 从 80 种语言的新闻中抽取洪水事件，构建 260 万条历史数据集，并给出人工核验的准确率。