Google Research 如何通过全球合作与开放资源推动科学影响
Google Research 称其开源工具与开放数据集已支持全球超过 25 万名研究者和开发者。其基因组学工具 DeepVariant、DeepConsensus 和 DeepPolisher 已帮助全球社区处理 250 万人的外显子与全基因组数据,与 UCSC 合作的方法将遗传变异识别错误降低 50%。
Google Research 称其开源工具与开放数据集已支持全球超过 25 万名研究者和开发者。其基因组学工具 DeepVariant、DeepConsensus 和 DeepPolisher 已帮助全球社区处理 250 万人的外显子与全基因组数据,与 UCSC 合作的方法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。
推荐理由:Google DeepMind 公开 AI co-clinician 研究,给出医生盲评与多模态模拟的对比结果,可了解医疗智能体的能力边界。
Google Research 总结了科学家使用 Empirical Research Assistance(ERA)的四类实践:在公共卫生领域,ERA 每周为美国各州提交流感。
Google DeepMind 与韩国科学技术信息通信部(MSIT)达成合作,将在首尔办公室设立 AI Campus,向韩国学术界开放 AlphaEvolve。
Google Research 宣布 Google Photos 的 Auto frame 功能上线,可在拍照后自动调整相机位置和焦距,重新构图。该方法分两步:先用内部 3D 点图估计模型重建场景并估算焦距,再用生成式扩散模型补全新视角下露出的空白区域。该功能会处理含人物的照片,自动检测人脸位置与朝向并修正广角前置镜头的透视畸变,结果作为 Auto frame 候选中的第二个版本呈现。
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构,将大规模训练拆分为解耦的计算岛并异步传输数据,从而隔离局部硬件故障。该架构基于 Pathways 与 DiLoCo,测试中用混沌工程注入硬件故障后仍能继续训练并重新接入失效单元,用 Gemma 4 验证的 ML 性能与传统方法持平。
推荐理由:原文给出跨数据中心异步训练的具体带宽与加速数据,读者可据此判断分布式预训练的工程可行性。
Google Research 在 ICLR 论文中提出智能体记忆框架 ReasoningBank,从成功和失败轨迹中提炼结构化推理记忆供测试时自进化。
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte、McKinsey 五家咨询公司合作,推动前沿 AI 在企业规模化落地。
Berkeley AI Research 提出 GRASP,一种面向学习动力学(世界模型)的基于梯度的规划器,通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接加入随机性以探索、并重塑梯度让动作获得清晰信号,同时避开高维视觉模型中脆弱的“状态-输入”梯度,使长时程规划变得可行。
Google Research 在 TMLR 论文中提出合成数据生成框架 Simula,把数据集构建拆成全局多样化、局部多样化、复杂化和质量检查四个可控步骤,不依赖种子数据或人工提示。
Google Research 提出 MoGen 模型,用合成神经元形状增强 PATHFINDER 的训练数据,使小鼠轴突重建误差降低 4.4%,主要来自合并错误的减少。该模型基于 PointInfinity 点云流匹配,用 1,795 条经人工验证的小鼠皮层轴突训练,训练集中仅需 10% 合成数据。团队称在完整小鼠脑规模下,这相当于节省 157 人年的手动校对工作,MoGen 已开源。
Google DeepMind 发布 Gemini 3.1 Flash TTS,称其在可控性、表现力和语音质量上均有提升,在 Artificial Analysis TTS 榜单上取得 1,211 Elo 分数。
推荐理由:官方给出 Elo 1211 与音频标签控制方式,读者可据此判断语音生成在可控性上的进展。
Google 发布研究实验产品 Vantage,通过生成式 AI 构建模拟多人对话环境,评估学生的协作、批判性思维等未来技能,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,重点增强空间推理与多视角理解,并新增仪表读数能力,可解读圆形压力表、液位指示器和数字读数。
推荐理由:官方给出与前代及 Gemini 3.0 Flash 的对比,并首次加入仪表读数能力,可据此判断机器人在巡检场景的落地边界。
Google Research 发布 ConvApparel 数据集,包含 4000 多段、近 15000 轮服装购物场景的人机多轮对话,用于量化 LLM 用户模拟器与真实人类的真实感差距。
Google Research 推出两个学术智能体框架:PaperVizAgent(原 PaperBanana)负责生成论文配图,ScholarPeer 负责自动同行评审。
Google Research 提出一套基于情境判断测试(SJT)的框架,用于评估 LLM 在真实用户-助手场景中的行为倾向与人类共识的对齐程度。对 25 个 LLM 的大规模分析发现两类差距:模型倾向偏离人类标注者共识,以及在无共识时未能覆盖人类意见的分布范围。在人类标注完全一致的场景中,小型模型(<120B)与前沿闭源模型对齐接近完美,但共识低于 90% 时对齐率停滞在 80% 出头。
Google DeepMind 发布 Gemma 4 开源模型家族,包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸,采用 Apache 2.0 许可。
推荐理由:Gemma 4 以四种尺寸覆盖从手机到工作站的部署,并给出 Arena 排名与 Apache 2.0 许可,便于判断开源模型的可用边界。
Google DeepMind 公布 AI 指针的四条交互原则,并展示由 Gemini 驱动的实验性演示,用户可通过指点加语音在 Google AI Studio 中编辑图片或查找地点。
推荐理由:Google DeepMind 公布 AI 指针的四条交互原则,并说明 Gemini 已接入 Chrome 与 Googlebook,读者可据此判断 AI 交互从提示词转向指点的路径。
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法,可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题,ProxySPEX 进一步借助层级结构,以约 10x 更少的消融达到 SPEX 的性能。
伯克利 AI 研究团队提出基于互信息的成像系统评估与优化框架,可直接从含噪测量中估计信息量,并在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证其能预测解码器性能。该方法优化出的设计达到端到端 SOTA 水平,同时占用更少内存和算力,且无需任务专用解码器设计。
一篇新文章提出用"分治"范式替代时序差分(TD)学习来做 off-policy 强化学习,通过将轨迹一分为二并组合子段价值来更新,理论上把 Bellman 递归次数从线性降到对数级。作者与 Aditya 合作的工作首次将分治价值学习扩展到目标条件 RL 这类高复杂度任务,且无需像 n-step TD 那样调节 n 超参数。目前该方法仍面临如何选取最优子目标 w 的难题。
伯克利 AI 研究提出首个关于 word2vec 学习过程的定量预测理论,证明在实际训练条件下该问题可化简为无权重最小二乘矩阵分解,梯度流动态有闭式解,最终学到的表示等价于对目标矩阵 M* 做 PCA。