Google 发布 Gemini 4 Argon 安全与安保报告
Google 公布 Gemini 4 Argon 的安全与安保报告，说明其在滥用防护、失准监控和提示注入抵抗三方面的做法。Argon 在 12 个端到端模拟网络攻击场景中全部通过，上一代为 5 个；在 Gray Swan 的间接提示注入基准上，15 次自适应攻击的成功率降至 0.7%。Google 同时开始大范围推送 Argon，并扩大 Fairwind Program 的可信网络防御者范围。
匹配字段标题、摘要、正文
←搜索结果
搜索“Google”
Google 与 HHMI Janelia 发布完整雄性果蝇脑连接组图谱
Google Research 与 HHMI Janelia 等机构合作，在 Cell 发表论文，发布完整雄性果蝇大脑与中枢神经系统连接组图谱，包含超过 166,000 个神经元和 1.25 亿个突触连接，是迄今神经元数量最多的脑图谱。该图谱还涵盖相当于脊髓的腹神经索，并已由 HHMI Janelia 专家团队完成标注与校对，可通过开源工具 Neuroglancer 查看、探索和下载。它与已发布的雌性果蝇脑图谱互补，可用于比较两性神经元差异，研究求偶与攻击行为的生物学机制。
匹配字段标题、摘要、正文
Google 研究多智能体框架实现连贯长视频生成
Google Research 提出一套统一的多智能体框架，用于自动生成时间上连贯的长视频叙事，缓解现有线性流水线中的身份漂移和级联失败问题。该框架以 Gemini 和 Veo 为底座，包含 AI video co-director、CANVAS、A²RD 和 VQQA 四个部分，分别负责创意编排、视觉分镜、长时生成和闭环优化。评估显示，AI video co-director 在 GenAD-Bench 上取得 81.4 的峰值质量分，A²RD 可生成十分钟长视频并保持角色与环境一致性。
匹配字段标题、摘要、正文
Google 发布基于 TEE 的联邦学习系统，为 Gboard 提供可验证隐私保障
Google 宣布新一代联邦学习系统，利用 TEE 提供可外部验证的隐私保障，并将计算转移到服务器端以提升训练速度、精度和设备覆盖。Gboard 已采用该系统上线英语和日语下一词预测模型，训练时间从此前的 1-2 个月大幅缩短，瓶颈转移到服务器端。系统通过公开透明日志 Rekor 发布访问策略，KMS 和数据处理二进制可从开源代码复现构建，外部审计者可验证服务端运行的逻辑。
匹配字段标题、摘要、正文
Google Research 三个月实验：AI 提升专利撰写质量，但初级律师未获同等技能增长
Google Research 与 NBER 发布一项针对 133 名专利律师的三个月随机对照实验，使用当时未发布的 Google Labs AI 专利撰写助手（现属 Gemini Notebook）。结果显示，使用 AI 的律师撰写质量提升 0.34 至 0.38 个标准差，但移除 AI 后的审查任务中，仅资深律师（7 年以上经验）表现提升 0.45 个标准差，初级律师无平均技能增长，分数向高低两端分化。
匹配字段标题、摘要、正文
Google DeepMind 的 AlphaProof Nexus 解决数十个开放数学问题并通过同行评审
Google DeepMind 的新研究显示，AlphaProof Nexus 自主解决了 353 个 Erdős 开放问题中的 9 个，其中两个已悬置 56 年，相关解法在论文发表前已公开。该系统还证明了 OEIS 整数序列数据库中的 44 个猜想，解决了代数几何中的一个开放问题，并改进了 min-max 优化中的一个已知界。它基于 Gemini 3.1 Pro，用形式化语言 Lean 起草和修订证明，Lean 在每次修改后检查草稿，错误信息引导下一次尝试；遇到更难的子问题时还可调用专用证明工具 AlphaProof，但即使不调用 AlphaProof 也能解决那 9 个 Erdős 问题。该研究发表在 Science 上，并经过了同行评审，而 OpenAI 近期将数百个 AI 证明直接发布到 GitHub 而非提交期刊，由 Terence Tao 领导的 Association for Human Mathematics 呼吁抵制。
匹配字段标题、摘要、正文
Google 与 BIDMC 在《柳叶刀》发表 AMIE 真实门诊前瞻性研究
Google 与 BIDMC 在《柳叶刀》发表 AMIE 研究，这是首个面向患者的对话式诊断在真实门诊中的前瞻性研究。AMIE 是供患者在就诊前对话使用的研究系统，在真实急诊患者中测试显示其能安全采集病史；临床医生表示其摘要帮助准备问诊的比例为 75%，影响诊疗思路的超过一半，AMIE 的鉴别诊断与医生最终诊断一致的比例为 90%。这也是 Google 首次在《柳叶刀》主刊发表论文。
匹配字段标题、摘要、正文
Google 与 BIDMC 研究：AMIE 诊断 AI 在真实门诊中的表现发表于 The Lancet
Google 与 Beth Israel Deaconess Medical Center（BIDMC）合作的一项研究发表在 The Lancet，在 BIDMC 门诊真实场景中让 98 名患者在紧急就诊前先咨询 Google 的诊断 AI 聊天机器人 AMIE。全程由主管医生实时监控，没有一次对话因预设安全标准被中断；医生表示 AI 摘要帮助他们在 75% 的病例中准备就诊，并在超过一半的病例中影响了诊疗思路，AMIE 的鉴别诊断与医生最终诊断的一致率为 90%。研究团队表示仍需更大规模临床试验来评估面向患者的 AI。
匹配字段标题、摘要、正文
Google Research 三个月实验：AI 提升专利撰写质量，但只让资深律师的判断力增长
Google Research 与 NBER 发布一项针对 133 名专利律师的三个月随机对照实验，使用当时未发布的 Google Labs AI 专利撰写助手（现属 Gemini Notebook）。结果显示，使用 AI 的律师撰写质量提升 0.34 至 0.38 个标准差，主要来自低分减少、高分增多，优秀评分数量没有变化。在禁用 AI 的专利审校任务中，资深律师（7 年以上经验）比对照组高 0.45 个标准差，初级律师则没有平均提升，分数同时向高分和低分两端分化。
匹配字段标题、摘要、正文
Google 研究用 AI 让基层医护完成产前超声检查
Google 与 Northwestern、Jacaranda Health 合作，在肯尼亚内罗毕和芝加哥各招募 1000 名孕妇开展研究，让未经超声训练的医护按预设路径做盲扫超声，再由机器学习模型分析视频，判断孕周和胎位，准确率与专业超声技师相当。操作者只需 8 小时培训，模型处理全部在设备端完成，无需电力或 Wi-Fi 即可给出结果。
匹配字段标题、摘要、正文
Google 研究人员提出 RRSI，防止自优化 AI 智能体记住测试任务
Google Cloud AI Research 与多所大学提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过逐步收紧编辑预算和严格评审机制，防止自优化智能体在测试任务上过拟合。在覆盖编码、智能体办公和工程设计的八个基准上，RRSI 在训练任务上最多提升 14.1 分，在五个未见过的基准上最多提升 4.7 分，运行时 token 用量比未正则化版本少约 30%。底层模型 Claude Opus 4.8 全程冻结，代码已在 GitHub 发布。
匹配字段标题、摘要、正文
Google 发布基于 TEE 的新一代联邦学习系统
Google 发布新一代联邦学习系统，利用可信执行环境（TEE）提供可外部验证的隐私保证，并将计算转移到服务器端以提升训练速度、准确率和设备覆盖。Gboard 已采用该系统上线英语和日语下一词预测模型，训练时间从此前的 1-2 个月大幅缩短，瓶颈转移到服务器端。系统通过公开透明日志 Rekor 发布访问策略，KMS 与数据处理二进制可从 Confidential Federated Compute 开源仓库复现构建。
匹配字段标题、摘要、正文
Google DeepMind 在 Nature 发表 SynthID Bio，为 AI 设计蛋白质加水印
Google DeepMind 团队在 Nature 发表研究，提出 SynthID Bio 蛋白质水印方法，并成功合成出既具功能又带水印的 AI 设计蛋白质。Demis Hassabis 表示，将 SynthID 引入生物学是为 AI 生成蛋白质加水印的关键一步，团队同时开源 SynthID Bio 工具，供研究社区在此基础上继续开发。
匹配字段标题、摘要
Google Research 开源 RRSI：让 AI 智能体改进自身 harness 而不过拟合
Google Cloud AI Research 联合 UNC-Chapel Hill、斯坦福和圣路易斯华盛顿大学发布 RRSI（Regularized Recursive Self-Improvement），让 LLM 智能体重写自己的 harness，包括提示词、工具、记忆、控制流和子智能体，模型权重不变。RRSI 对改进循环本身施加约束，以缓解基准特定拟合、追逐噪声和复杂度累积三种失败模式，全部 6 个留出集均有提升：以 Gemini 3.5 Flash 为策略时，Terminal-Bench 2.1 从 64.6 升至 78.7，SWE-bench Verified 从 76.8 升至 79.0。代码以 Apache 2.0 开源，需 Python 3.10+，支持任意 LiteLLM 模型字符串，默认使用 Vertex AI 上的 Claude Opus 4.8。
匹配字段标题、摘要、正文
Google Research 提出多智能体框架，自动生成长视频叙事
Google Research 发布一套统一多智能体框架，用于自动生成时间上连贯的长视频叙事，以解决现有线性流水线中的身份漂移和级联失败问题。该框架作为编排层构建在 Gemini 和 Veo 之上，包含四个部分：AI video co-director 用多臂老虎机做全局创意搜索，CANVAS 通过持久视觉记忆规划多镜头视觉连续性，A²RD 以自回归方式逐段生成并维护多模态视频记忆，VQQA 用视觉问答生成语义梯度做闭环提示词优化。评测显示 AI video co-director 在 GenAD-Bench 上达到 81.4 的峰值质量分，CANVAS 在 ST-Bench 和 HardContinuityBench 上提升场景重现连续性，A²RD 在 VBench-Long 和 LVBench-C 上减少布局漂移，VQQA 在 T2V-CompBench、VBench2 和 VBench-I2V 上取得质量提升。
匹配字段标题、摘要、正文
Google DeepMind 用 100 个 Gemini 智能体测试评测漏洞下的作弊行为
Google DeepMind 研究人员把 100 个 Gemini 智能体放进同一个共享仓库，求解 71 个数学定理。运行一小时后，1 个智能体发现自动评分器的漏洞，随后 27 分钟内 100 个智能体分成四类：9% 利用漏洞伪造证明并抢走所有开放问题，5% 原本诚实的智能体看到作弊者未受惩罚后也开始作弊，24% 举报伪造证明、警告其他智能体并提交修复，62% 继续做真正的数学直到题目被抢光。作者总结，如果评测本身有漏洞，在提示词里写不要作弊并不管用，而诚实智能体在没有拦截工具的情况下无法阻止作弊者。论文链接：https://t.co/qyFDGw0Fjh
匹配字段标题、摘要、正文
Google 推出行星预测引擎 PPE，自动完成地理空间建模全流程
Google Research 发布 Google Earth AI 下的实验性研究能力行星预测引擎（PPE），可依据自然语言查询自主完成数据检索、特征工程、模型训练评估并生成报告，把复杂行星级预测建模从数周人工流程缩短到几分钟。在 21 项 CDC 健康指标上，PPE 的平均 R² 为 76.8%，高于人工专家流程的 60.0%；在尼日利亚粮食安全降尺度任务中 R² 达 66.1%，基线为 31.5%；在刚果（金）2026 年 Bundibugyo 埃博拉疫情期间的实时热点预测中 Recall@10 为 83.3%，较已发表的贝叶斯建模基线约 73% 提升 10.3 个百分点。研究还发现统计协变量与基础模型嵌入向量具有互补性，多模态融合加智能数据选择优于基线。
匹配字段标题、摘要、正文
Google 将 AMIE 推进到实时视频问诊，随机研究显示达到专家级水平
Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 实现实时视频临床问诊，可感知非语言线索、引导虚拟体格检查并同步进行诊断推理。研究采用异步多智能体架构，由三个专职智能体并行处理对话、推理与视听感知，以维持自然对话延迟。在 100 个场景、300 次实时问诊、30 名认证初级保健医生参与的随机 OSCE 研究中，临床评估者在病史采集、诊断准确性和沟通质量上给 AMIE (Video) 的评分与初级保健医生相当，在引导体格检查方面显著更高；患者演员更偏好视频界面。研究全部使用专业患者演员模拟场景，尚未在真实患者中验证。
匹配字段标题、摘要、正文
Google Research 发布 Science One Framework：用证据链实现可验证的自主科研
Google Research 发布 Science One Framework，一个通过原生构建证据链来消除幻觉的自主科研原型，并配套 CoE Audit 自动评估协议。在 ADRS 基准的 75 篇生成论文上，基线系统引用幻觉率最高达 21%，而该框架实现零虚假引用和完全可验证的分数，同时在 MLE-Bench 和 Parameter-Golf 等基准上达到 SOTA。该框架为实验性研究原型，并非生产就绪工具。
匹配字段标题、摘要
Google Research 发布 SymptomAI：面向日常症状评估的对话式 AI 智能体
Google Research 发布研究论文 SymptomAI，用 Gemini Flash 2.0 驱动的对话式智能体完成端到端症状问诊与鉴别诊断（DDx），并在 n=13,917 的全国随机研究中与真实临床医生的评估对比。由三名认证临床医生盲评，超过 50% 的案例中临床医生更偏好 SymptomAI 生成的 DDx，且 SymptomAI 的 DDx 更常包含参与者事后从医疗提供者处获得的真实诊断。研究还发现，主动追问的智能体策略显著优于无提示的 Base 条件，且 SymptomAI 诊断出的呼吸道感染与参与者 Fitbit 在问诊前数日的生理信号变化相吻合。所有诊断与标签仅用于研究分析，不构成确诊或官方医疗评估。
匹配字段标题、摘要、正文