跳到正文

Google / Gemini

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

63条精选相关主题OpenAI / ChatGPTAnthropic / Claude多模态

最新精选

第 21–40 条 · 共 63 条
7月31日周五
7月30日周四
  1. Google DeepMind75

    Gemini Robotics ER 2 以视频理解、任务编排和多机器人协作增强机器人能力

    Google DeepMind 发布 Gemini Robotics ER 2，通过连续视频理解、任务编排和多机器人协作增强具身推理能力，并由底层 VLA 模型执行动作。

    推荐理由：将连续视频中的进度判断与底层控制接口编排结合，为机器人边执行边纠错、而非每一步停下重新规划提供了具体实现参考。

  2. Google DeepMind61

    Google DeepMind 在 Google Flow Music 推出 Lyria 3.5，改进音乐性、歌词、人声与创作控制

    Google DeepMind 今日开始在 Google Flow Music 推出音乐生成模型 Lyria 3.5，提升音乐性、歌词与人声质量。该模型支持生成更丰富、复杂且自然的旋律结构，改善歌词对提示词的遵循和结构感知，并让人声更逼真、情感表达更细腻、发音更准确。用户还可以更轻松地控制生成作品的节奏与时长。

    推荐理由：此次更新同时涉及歌曲生成质量与节奏、时长控制，为判断音乐生成模型能否更贴合具体创作要求提供了清晰的比较维度。

7月28日周二
  1. Google DeepMind74

    Gemini Robotics 2 为机器人带来全身智能控制与多机器人协作

    Google DeepMind 推出 Gemini Robotics 2 系列模型，支持全身控制、精细操作及多机器人协作。Gemini Robotics ER 2 负责规划持续数分钟、涉及数百次决策的任务；Gemini Robotics On-Device 2 支持本地运行，通常用少于 200 个示例、数小时适配新的双臂机器人形态。

    推荐理由：从上半身桌面操作扩展到全身协调与多机器人协作，这次更新提供了观察机器人如何承接更长任务链的具体样例。

7月23日周四
  1. Google Research69

    Google Research 的 SymptomAI 研究：面向日常症状评估的对话式 AI 智能体

    Google Research 在 13,917 名参与者中随机比较了基于 Gemini Flash 2.0 的五种 SymptomAI 智能体，发现主动追问策略的鉴别诊断准确性显著优于未加提示词、由用户主导的基线。

    推荐理由：研究将主动追问与用户主导的问答进行对照，为症状评估智能体提供了通过补充患者信息改善鉴别诊断的设计思路。

7月21日周二
7月17日周五
  1. Google DeepMind65

    Google 推出 Gemini 3.5 Flash Cyber，面向漏洞发现、验证与修复

    Google 推出 Gemini 3.5 Flash Cyber，这款基于 3.5 Flash 微调的轻量网络安全模型专用于快速发现、验证和修复漏洞。在固定调用次数的 V8 测试中，该模型发现 55 个已确认的独特问题，主线 3.5 Flash 和 Claude Opus 4.6 分别发现 47 个和 36 个，其中 10 个问题未被另外两个模型发现。

    推荐理由：轻量模型的低成本让安全智能体能够反复探索更多代码路径，为比较漏洞发现方案提供了单次模型能力之外的架构视角。

7月1日周三
6月30日周二
  1. Google Research69

    Google Research 发布 TabFM，用于表格数据零样本分类与回归

    Google Research 发布表格基础模型 TabFM，通过上下文学习对未见过的表格进行分类与回归，无需针对新任务训练模型或调参。模型完全使用数亿个合成数据集训练，结合行列交替注意力、行压缩与 Transformer 架构，标准配置通过单次前向传播生成预测，另提供加入交叉特征、SVD 特征的 32 路集成配置 TabFM-Ensemble。

    推荐理由：把表格预测改为上下文学习，为减少逐数据集训练和调参提供了不同路径，文中还区分了直接预测与加入特征工程的集成配置。

6月25日周四
6月16日周二
  1. Google DeepMind61

    Google DeepMind 如何通过 AI Control Roadmap 保障 AI 智能体安全

    Google DeepMind 介绍 AI Control Roadmap，为 Google 内部部署的 AI 智能体建立模型对齐之外的系统级纵深防护。框架基于 MITRE ATT&CK 进行威胁建模，以覆盖率、召回率和响应时间衡量监控效果，并按模型逃避检测与执行攻击的能力配置检测及预防响应级别。

    推荐理由：将智能体视作潜在内部威胁，并按逃避检测与执行攻击的能力分级配置防护，为不完全依赖模型对齐的系统安全提供参考。

6月13日周六
  1. Google Research63

    Google Research 研究 AI 如何帮助用户理解皮肤问题及其决策局限

    Google Research 分享的研究发现，AI 辅助能提高用户识别皮肤问题的准确率，但未显著改善标准 AI 组选择后续医疗步骤的准确率。本周发表于 JAMA Dermatology 的研究纳入 2,345 名参与者，AI 组病症名称猜测准确率为 23%，对照组为 8%；AI 组建议的处理紧迫程度低于皮肤科医生判断的比例为 30%，对照组为 27%。

    推荐理由：研究区分了识别皮肤问题与选择就医步骤两种能力，为理解医疗信息工具的准确率提升为何不等于决策改善提供了具体对照。

6月11日周四
6月9日周二
  1. Google DeepMind83

    Gemini 3.5 Live Translate 实现流畅自然的语音翻译

    Google 发布音频模型 Gemini 3.5 Live Translate，支持自动识别 70+ 种语言并进行近实时语音到语音翻译。模型持续生成译音，保留说话者的语调、节奏和音高，官方称整个会话中仅落后说话者几秒，所有生成音频均带有 SynthID 水印。

    推荐理由：相较于等待说话结束再翻译的系统，连续生成译音的方式把上下文质量与跟随延迟的取舍带入实时跨语言沟通。

  2. Google DeepMind79

    Google DeepMind 发布 Gemma 4 12B：统一、无编码器的多模态模型

    Google DeepMind 发布 Gemma 4 12B，采用统一的无编码器架构，将视觉与音频输入直接接入 LLM 主干，面向笔记本本地多模态智能体应用。官方称其标准基准表现接近 26B MoE 模型，总内存占用不到后者一半，可在配备 16GB 显存或统一内存的设备上运行，并配备 Multi-Token Prediction（MTP）草稿模型以降低延迟。

    推荐理由：无独立编码器的音视频处理路径与本地内存要求，为评估多模态智能体从大模型迁移到笔记本的资源取舍提供了具体参照。

6月8日周一
6月5日周五
  1. Google Research70

    Google Research 探索用手机摄像头被动监测心脏健康

    Google Research 在 Nature 发表 PHRM 研究，利用面部解锁后的 8 秒前置摄像头视频，通过深度学习估算心率并汇总每日静息心率。在真实生活验证中，经置信度筛选后的心率平均绝对百分比误差为 6.09%，每日静息心率相对 Fitbit Charge 6 的平均绝对误差为 4.39 bpm，但较深肤色组的心率测量成功率较低。

    推荐理由：研究将真实生活场景中的误差与不同肤色的测量成功率分开呈现，为评估手机健康监测的准确性与覆盖差异提供了参考。

6月4日周四
5月29日周五
  1. Google Research61

    Google Research 回顾 I/O 2026：AI 科研工具、健康研究与智能体开发进展

    Google Research 汇总 I/O 2026 展示的研究与应用进展，涵盖科学发现、健康、端侧 AI、灾害预测及智能体开发等领域。Gemini for Science 将 ERA、Co-Scientist 等研究用于计算实验、假设生成和文献整理，正逐步开放访问，可通过 labs.google/science 登记兴趣。

    推荐理由：从科研假设生成到长时程软件工程，材料展示了多智能体研究进入具体工具的路径，有助于理解研究成果与产品工作流的连接。