Google Research
共 15 篇文章
连接组学的里程碑:绘制完整的雄性果蝇大脑
Google 与 HHMI Janelia 等合作者发布了迄今最大的脑图谱——雄性果蝇大脑及中枢神经系统的完整连接组,包含超过 16.6 万个神经元和 1.25 亿个突触连接,为研究双态差异、神经可塑性乃至未来修复神经通路奠定了基础资源。
用深度学习从太空绘制全球甲烷排放图
Google Research 团队提出 MAPL-EMIT 深度学习框架,可从 EMIT 高光谱卫星数据中自动检测甲烷羽流、量化增强并定位排放源,在专家标注数据上达到 84% 的召回率,并公开了全球羽流数据库、训练模型与推理库。
TimesFM-3:面向多变量预测的零样本基础模型
Google Research 推出时间序列基础模型 TimesFM-3(330M 参数,预训练语料超 1 万亿时间点),原生支持多变量预测:可在单次前向传播中联合预测多条共同演化的序列,并利用过去协变量与未来动态协变量,在 Gift-Eval、FEV-Bench 和 Time 三大基准上以零样本方式取得点预测与概率预测双第一。
行星预测引擎:借助 Earth AI 实现全球模型自动化
Google 推出行星预测引擎(PPE)——一个能在自然语言查询下自主完成完整地理空间建模工作流的实验性研究能力,从数据发现、特征工程到模型训练与评估,将原本需要数周人工数据工程的全球预测建模缩短到几分钟,在公共卫生、粮食安全、环境风险与经济社会学等预测任务上均取得提升。
GlucoFM:面向持续血糖监测的基础模型
GlucoFM 是一个轻量级的自监督持续血糖监测(CGM)基础模型,采用双流设计分别建模较慢的血糖趋势与短期偏差。在四个队列、七项临床预测任务上,其平均 PR-AUC 比在相同语料上预训练的最佳 GluFormer 变体高出 5.8 个百分点,并在餐后血糖反应预测中取得最低的平均绝对误差。
AgentHands：为 XR 中空间锚定的智能体对话生成交互式手势
Google 提出 AgentHands，一个由 LLM 驱动的 XR 原型，为对话式智能体赋予与语音同步、富有表现力的手势，以提供空间锚定的引导。用户研究显示，该系统在空间定位、复杂动作理解、安全警示显著性等方面显著优于纯语音基线。
移动性如何让语言模型更深刻地理解地点
Google Research 提出 Mobility-Embedded POIs(ME-POIs)框架,将聚合匿名化的移动模式与语言模型的文本表征融合,为地点构建兼具身份与动态功能的嵌入表示,在访问意图、价格水平、繁忙程度等预测任务上带来最高 81.9% 的相对提升。
空货架还是丢钥匙?召回才是参数化事实性的瓶颈
Google Research 提出 knowledge profiling 行为框架与 WikiProfile 基准,把事实性误差区分为编码失败与召回失败。研究发现前沿 LLM 已编码 95–98% 的事实,但仍有 26–34% 无法直接召回——瓶颈正从知识获取转向知识利用,thinking 能找回约 40–65% 已编码却未能直接知道的事实。
推进 AMIE 迈向专家级音视频临床问诊
Google 将研究型医疗 AI 系统 AMIE 升级为可进行实时视频问诊,并构建了异步多智能体架构与自动化评估体系。在一项包含 300 场问诊的随机对照研究中,AMIE (Video) 在临床胜任力上达到与执业初级保健医生相当的水平,并在体格检查引导与患者偏好方面显著领先。
一个差分隐私框架:深入洞察 AI 聊天机器人的使用
Google Research 提出 Urania 框架,通过 DP 聚类、DP 关键词提取与 LLM 摘要组成的流水线,在严格的端到端差分隐私保证下生成 AI 聊天机器人使用洞察;实验显示其摘要质量具有竞争力,且成员推断攻击效果接近随机猜测(AUC 0.53)。
Titans + MIRAS:帮助 AI 拥有长期记忆
Google Research 推出 Titans 架构与 MIRAS 理论框架,通过在模型运行时动态更新核心记忆,将 RNN 的速度与 Transformer 的精度结合,在超长上下文(200 万 token 以上)任务中超越 GPT-4 等基线。
从波形到智慧:听觉智能的新基准
Google Research 推出开源的 Massive Sound Embedding Benchmark(MSEB),统一了检索、分类、推理、转写、分割、聚类、重排序和重建八项核心声音能力来评测机器听觉智能。实验表明现有声音表示远非通用,在全部八项任务上都存在可观的性能提升空间。
实时语音到语音翻译
Google Research 介绍了一个创新的端到端语音到语音翻译(S2ST)模型,仅用 2 秒延迟即可在原说话人音色下实时翻译,并通过可扩展的时序同步数据管线支持多语言,已部署于 Google Meet 和 Pixel 10 设备。
Generative UI:为任意提示词提供丰富的自定义可视化交互式用户体验
Google 介绍了 Generative UI 的一种新实现:AI 模型可为任意提示词动态生成沉浸式体验、交互式工具和模拟界面,且完全即时生成。在忽略生成速度的评估中,人工评测者强烈偏好 Generative UI 输出;该能力正在 Gemini 应用和 Google 搜索 AI Mode 中推出。
JAX-Privacy:大规模差分隐私机器学习
Google 发布 JAX-Privacy 1.0,一个构建于高性能计算库 JAX 之上的差分隐私机器学习库。它提供逐样本梯度裁剪、噪声注入、批量构建、隐私核算与审计等核心组件,原生支持多加速器并行,并在 VaultGemma 等大模型的隐私训练中得到实际应用。