Google 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，将表格预测重构为上下文学习问题，无需手动训练、超参数调优和复杂特征工程，单次前向传播即可对未见过的表格生成预测。模型完全基于数亿个由结构因果模型生成的合成数据集训练，采用融合 TabPFN 与 TabICL 的混合架构。TabFM 已在 Hugging Face 和 GitHub 开源，并上线 Google Cloud BigQuery；在 TabArena 的 38 个分类和 13 个回归数据集上评测。
匹配字段标题、摘要、正文
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）和 Gemini Omni Flash（gemini-omni-flash-preview）两款模型。Nano Banana 2 Lite 主打速度与成本，官方建议用它替换第一版 Nano Banana（gemini-2.5-flash-image），并将登陆 Search 的 AI Mode、Gemini app、NotebookLM、Google Photos 等消费端产品。Gemini Omni Flash 通过 Gemini API 和 Google AI Studio 开放，支持文本、图像、视频输入的高质量视频生成与对话式编辑，定价为每秒视频输出 $0.10，与 Veo 3.1 Fast 相同。
匹配字段标题、摘要、正文
Google Research 提出将多 token 预测（MTP）改造到已冻结的 Gemini Nano v3 上，在不改动主干权重的前提下加速端侧推理。该方法在主干最后几层附加轻量 Transformer 头，直接交叉注意力读取主干的 KV cache，省去独立草稿模型的预填充延迟，并比独立草稿模型节省最多 130MB 内存。在 Pixel 9 上，其 token 预测速度比同参数量独立草稿模型快 50% 以上，已随 Pixel 9 和 10 系列推送，用于 AI 通知摘要和校对等功能。
匹配字段标题、摘要、正文
Google Research 在 CIDR 论文中提出线性弹性缓存，将页面淘汰建模为滑雪租赁问题，用浅层决策树为每个缓存页预测 TTL，动态调整缓存大小以最小化总拥有成本。该策略在 Spanner 生产服务器上运行数月，相比固定大小缓存显著降低成本，缓存未命中仅增加少量且集中在从存储读取成本低的数据上，实际 I/O 成本影响仅 0.5%。
匹配字段标题、摘要、正文
Google Research 在 COLM 2026 论文中揭示，推理能帮助 LLM 回忆简单事实，机制包括用生成的推理 token 进行隐式计算，以及生成相关事实来激活正确答案。研究在 Gemini-2.5 Flash/Pro 和 Qwen3-32B 上，用 SimpleQA Verified 与 EntityQuestions 数据集对比推理开关模式，发现开启推理后模型能回忆起关闭时几乎无法获取的答案。
匹配字段标题、摘要
Google DeepMind 将 computer use 作为内置工具集成进 Gemini 3.5 Flash，此前该能力仅以独立的 Gemini 2.5 computer use 模型形式提供。开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 使用它构建能跨浏览器、移动端和桌面环境感知、推理并执行操作的智能体，面向持续软件测试等长周期与企业自动化任务。为降低实时环境中的提示词注入风险，官方对 computer use 做了针对性对抗训练，并发布两套可选的企业级防护系统。
匹配字段标题、摘要、正文
Google Cloud 数据库高管在伦敦峰会上表示，未来三到五年人类将不再直接使用数据平台，而是由人类编排智能体、智能体完成实际工作，数据检索的重点也从“精确结果”转向“最佳结果”。Google SQL 已引入 AI.IF 等 AI 函数，由 Gemini LLM 评估自然语言条件并返回 true 或 false；其代理模型方案据论文称可减少约 400 倍 token 消耗，延迟降低 30 至 100 倍。
匹配字段标题、摘要、正文
Google DeepMind 与 A24 宣布建立首个聚焦研究的合作伙伴关系，将研究实验室与电影制作工作室结合，帮助艺术家开发新工作流与技术。双方将围绕多个项目展开长期研发协作，Google 同时已对 A24 进行投资。
匹配字段标题、摘要、正文
Google DeepMind 发布 AI Control Roadmap，一套用于构建和管理 Google 内部部署的高级 AI 的框架，在模型对齐之外增加系统级安全层，即便对齐不完美也能提供保障。该框架把不受信任的 AI 智能体视为潜在内部威胁，基于 MITRE ATT&CK 拆解攻击战术与技术，并按模型能力划分检测等级 D1-D4 与预防响应等级 R1-R3。团队已分析一百万个编码智能体任务，并据此为 Gemini Spark 智能体搭建实时监控，数据显示多数被标记事件并非恶意意图，而是智能体误解或过度追求用户目标。
匹配字段标题、摘要、正文
Google Research 发布基于 Farmscapes 2020 的矢量化数据集，将英格兰树篱、石墙、小树林等细尺度生态特征转为可操作的清单。该框架用预训练于超 3 亿张全球卫星图像的 RSF Vision-Transformer 骨干微调，仅用约 247 km² 标注数据，并借助 Polsby–Popper 紧凑度评分（线性特征阈值小于 0.5）按生态功能分类，覆盖英格兰超 13 万 km²。
匹配字段标题、摘要、正文
Google Research 在 JAMA Dermatology 发表研究，让 2345 名参与者借助 AI 工具判断皮肤病例：AI 组愿意尝试命名病症的比例超 62%（对照组 41%），命名准确率 23%，约为无辅助对照组 8% 的近三倍。但 AI 组在决定下一步就医建议上未取得统计显著改善，且比对照组更倾向给出不那么紧急的建议（30% vs 27%）。
匹配字段标题、摘要
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation 和 ARIA，并获 Google.org 支持，面向全球研究者发起最高 $10M 的多智能体 AI 安全研究资助征集。项目聚焦大规模智能体系统的群体行为，以及理解、预测、监测和缓解交互风险的框架。申请截止日期为 2026 年 8 月 8 日，获奖者预计于 2026 年秋季公布。
匹配字段标题、摘要、正文
Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests，用于审计机器遗忘，通过相对距离检验判断模型更接近安全重训模型还是原始受损模型。该框架用 f-divergence 与核正则化捕捉局部数据偏移，并自动选择最优散度和超参数，无需样本切分。研究在扰动均匀分布合成基准和物理数据集 Expo1D 异常检测任务上进行了评估。
匹配字段标题、摘要
Google DeepMind 发布 DiffusionGemma，一个采用 Apache 2.0 许可的 26B MoE 实验性开源模型，探索文本扩散生成，在 GPU 上文本生成速度最高提升 4 倍。该模型不再逐 token 顺序生成，而是同时生成整块文本，面向内联编辑、快速迭代等速度敏感的本地交互工作流。其加速优势主要体现在单加速器、低到中等批大小的本地低并发推理场景，高 QPS 云端服务下并行解码收益递减。
匹配字段标题、摘要
Google DeepMind 选出欧洲15家早期机器人公司参加为期三个月的 Accelerator: Robotics 项目，帮助其将 AI 融入核心产品。入选团队将获得技术辅导、产品指导、AI 技术栈及 Gemini robotics models，应用涵盖医疗、建筑、回收、物流和制造等领域。
匹配字段标题、摘要、正文
Google Research 与 Google Cloud 合作推出 Agentic RAG 框架，并已在 Gemini Enterprise Agent Platform 以公开预览形式上线。该框架通过 Planner、Query Rewriter、Sufficient Context 等智能体迭代检索，在信息不足时给出具体缺口并继续搜索，相比标准 RAG 在事实性数据集上准确率最高提升 34%。在 FramesQA 的跨语料设置中，系统需从 4 个语料中路由查询，仍答对 90.1% 的问题，延迟与单语料版本平均相差约 3% 以内。
匹配字段标题、摘要、正文
Google Research 在 Nature 发表研究系统 PHRM，利用手机前摄在面部解锁后的数秒内拍摄面部视频，通过深度学习在后台估算心率与静息心率。在自由生活研究中，PHRM 心率整体 MAPE 为 6.09%，静息心率相对 Fitbit Charge 6 的 MAE 为 4.39 bpm，是唯一在所有肤色组均达到 MAPE < 10% 的 rPPG 方法。团队同时公开了迄今规模最大、最多样的智能手机视频数据集和预训练 PHRM-mini 模型，符合 IRB 与数据保护要求的研究者可申请访问。
匹配字段标题、摘要、正文
Google Research 在 GitHub 上开源了其水文建模框架，让各国气象与水文机构能用与 Google Flood Hub 相同的架构和相近训练数据训练 AI 洪水预报模型。该框架是基于 PyTorch 的 Python 包，采用 LSTM 架构，包含 2024 年基准研究中的原始版本和当前驱动 Flood Hub 实时全球预报的升级版 v2（ME-LSTM）。新模型将可靠预测期在有人工观测流域延长 6 天、在无观测流域延长 1 天，并已与捷克水文气象研究所（CHMI）合作验证。
匹配字段标题、摘要、正文
Google DeepMind 推出 Gemma 4 12B，将智能体式多模态能力带到笔记本电脑，并首次在其中型模型中支持原生音频输入。该模型在标准评测中的表现接近 26B MoE，内存占用不到后者一半，可在配备 16GB RAM 的消费级笔记本上本地运行。其无编码器架构可直接整合音频与视觉输入，以减少延迟和内存用量。
匹配字段标题、摘要、正文
Google 在 I/O 2026 上发布 Gemini for Science 实验工具套件，包含基于 ERA 与 AlphaEvolve 的 Computational Discovery、基于 Co-Scientist 的 Hypothesis Generation，以及基于 NotebookLM 的 Literature Insights。ERA 与 Co-Scientist 的论文上周发表于 Nature，ERA 已用于预测呼吸道疾病住院与加州流域季节性径流。Paper Assistant Tool 已在 ICML、STOC、NeurIPS 实验性评审超 1 万篇论文。
匹配字段标题、摘要、正文