跳到正文

Google / Gemini

Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果、Android 与 Pixel 生态的持续追踪。

78条精选相关主题OpenAI / ChatGPTAnthropic / Claude多模态

最新精选

第 61–78 条 · 共 78 条
5月17日周日
5月16日周六
  1. Google DeepMind60

    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。

  2. Google DeepMind88

    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。

5月12日周二
  1. Google DeepMind74

    Google DeepMind 发布 Co-Scientist 多智能体科研系统

    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。

5月6日周三
  1. Google DeepMind75

    DeepMind 详解 AlphaEvolve 一年成果：从基因组到 TPU 设计

    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。

4月30日周四
4月23日周四
  1. Google Research60

    Google Photos 上线 Auto frame 新功能，可自动改变照片拍摄视角

    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。

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，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。

4月16日周四
  1. Google DeepMind71

    Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型

    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。

4月13日周一
  1. Google DeepMind72

    Google DeepMind 发布 Gemini Robotics-ER 1.6，新增仪表读数能力

    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。

3月31日周二
  1. Google Research62

    Google Quantum AI 发布白皮书：量子计算机破解加密货币加密所需资源大幅下降

    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。

3月25日周三
  1. Google Research60

    Google 发布 Vibe Coding XR，用 Gemini 与 XR Blocks 把自然语言变成 Android XR 应用

    Google 发布 Vibe Coding XR 工作流，结合 Gemini 的长上下文推理与基于 WebXR、three.js、LiteRT.js 的 XR Blocks 框架，可将自然语言提示词直接转成具备物理感知的 Android XR 应用，官方称耗时在 60 秒以内。

    推荐理由：Google 官方给出 Vibe Coding XR 的完整工作流与 VCXR60 初步评测，可了解自然语言生成 XR 应用的实际成功率与限制。

3月18日周三
3月12日周四
  1. Google Research69

    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。

  2. Google Research60

    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。

  3. Google Research62

    Google 与 BIDMC 开展 AMIE 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，全程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部署 AMIE 做就诊前问诊，读者可了解其安全监督机制与诊断表现。