Google DeepMind 发布 Gemini Robotics-ER 1.6，增强机器人空间推理、多视角理解和任务完成检测，并新增仪表读数能力。官方称其相关能力较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 改善，仪表读数结合视觉推理、图像放大、点位标注与代码执行，可处理压力表、液位计等设施巡检场景。
推荐理由：多视角任务完成判断与仪表读数案例，把具身推理的改进落到机器人重试决策和设施巡检这两个具体应用环节。
Google Research 的 ConvApparel 数据集与评估框架用于衡量大语言模型用户模拟器与真实用户行为的差距。数据集包含超过 4,000 段服装购物对话、近 15,000 轮交互，参与者被随机分配给有帮助或刻意不配合的 AI 智能体。框架结合群体统计、类人评分与反事实验证，检验模拟器面对陌生情境时的反应是否可信。
Google Research 推出 PaperVizAgent 和 ScholarPeer，分别用于生成学术图表和自动评审论文。PaperVizAgent 在经人类图表校准的 LLM 评测中总分为 60.2，超过设定的人工基线 50.0。ScholarPeer 结合网络文献检索与技术主张核验，在并排评测中优于先进自动评审方案。
Google Research 提出行为倾向评估框架，对 25 个 LLM 的分析发现，模型既会偏离人类共识，也未充分体现意见分歧。研究将心理问卷转化为现实情境判断测试，每个情境收集 10 名标注者的行动偏好，并与模型回答分布比较；在人类意见分歧较大的情境中，所有受测模型均表现出系统性过度自信。模型自报倾向与情境中的建议行为也存在差异，例如自称低冲动性，却给出偏向冲动的建议。
推荐理由：将心理问卷转化为情境判断测试，为区分模型自述倾向与实际建议行为提供了可迁移的评估路径，而不只依赖自报答案。
Google DeepMind 发布 Gemma 4 开放模型系列，采用 Apache 2.0 许可，提供 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，面向高级推理与智能体工作流。
推荐理由：不同尺寸对应的硬件要求、上下文窗口与模态差异，为开发者在端侧离线运行和工作站部署之间选型提供了具体依据。
Google Research 的研究发现，AI 基准每项仅用 1、3 或 5 名评分者往往不足，可靠评估通常需要每项超过 10 名评分者。
Google DeepMind 展示由 Gemini 驱动的实验性 AI 指针，并将相关交互原则用于 Chrome 和 Googlebook。其设计结合指向位置、视觉与语义上下文及语音，让用户用“这个”“那个”等简短表达提出请求，实验演示可在 Google AI Studio 体验。
推荐理由：将指向位置、视觉上下文与语音结合的交互设计，为减少用户在不同应用间搬运内容和编写详细提示词提供了具体思路。
Google 宣布 Vibe Coding XR 工作流，结合 Gemini 与基于 Web 的 XR Blocks 框架，称可在不到 60 秒内将自然语言转为具备物理交互能力的 Android XR 应用。
Google Research 介绍向量压缩算法 TurboQuant，在 Gemma 和 Mistral 的测试中将 KV cache 量化至 3 bits，无需训练或微调且不损失模型准确率。
Google Research 的 S2Vec 通过自监督学习生成建成环境的通用嵌入向量，用于预测人口密度等地理指标。它将地理特征栅格化，再以掩码自编码学习空间关系，无需人工标签。评测中，其在零样本地理适应任务上通常是表现最佳的单一模型，但树木覆盖、海拔等环境任务仍需改进。
Google Research 在今天的 The Check Up 活动中汇总医疗 AI 研究进展，涵盖个性化健康、临床辅助、开发者模型、公共卫生与生物医学发现。
Google Research 与 NHS 合作的两项 AIMS 研究显示，AI 独立阅片可提高乳腺癌检出能力，参与双阅片流程后的表现不劣于传统流程。发表于 Nature Cancer 的研究中，独立 AI 的癌症检出率从每 1,000 名女性 7.54 例提高至 9.33 例；以 AI 担任第二阅片者的研究估计可减少 46% 的人工阅片次数及 36–44% 的阅片时间。
推荐理由：两项研究区分了模型独立检出能力与人机协作后的实际表现，为评估医疗人工智能提供了兼顾工作量和仲裁误判的视角。
Google Research 与康奈尔大学评测了 6 个 LLM 系统回答高温超导研究问题的能力，NotebookLM 与定制 RAG 系统总体表现领先。专家围绕 67 道问题进行盲评，两个领先系统均依赖经过质量控制的资料库。所有受测系统仍有改进空间，NotebookLM 的证据支持得分最高，但回答最不简洁。
Google 在 Flood Hub 推出城市突发洪水预测，利用 AI 方法提前最多 24 小时预测城市地区的突发洪水风险。系统使用 Gemini 从公开新闻报道中提取洪灾时间与地点，形成 Groundsource 数据集，并结合全球气象数据训练采用 LSTM 单元的 RNN 模型。
推荐理由：利用新闻报道补足历史洪灾记录的做法，为缺乏传感器数据地区构建预警系统提供了参考，也呈现了数据覆盖对评估的限制。
Google Research 推出 Groundsource 方法，利用 Gemini 从新闻提取洪灾信息，并开放包含 2.6 million 条历史事件记录、覆盖超过 150 个国家的数据集。
推荐理由：新闻记录可补充传统监测容易遗漏的局地短时洪灾，为历史数据稀缺地区的预测模型训练与验证提供另一类数据来源。
Google Research 与 Beth Israel Deaconess Medical Center 开展 AMIE 单中心前瞻性可行性研究，100 名成人患者在医生实时监督下完成诊前文字问诊，未触发安全停止。
推荐理由：研究将诊前问诊置于医生实时监督的真实流程中，并区分可行性与临床疗效，为理解医疗对话系统的评估边界提供具体参照。