空架子还是丢了钥匙？参数化事实性的瓶颈在于提取而非编码
Google Research发现前沿LLM的事实性瓶颈已从知识编码转向知识提取。Gemini-3-Pro和GPT-5对95-98%的事实已编码，但仍无法直接回忆26-34%。"思考"模式可恢复40-65%已编码但无法直接提取的事实。稀有事实和反向问题（知道"A是B"但答不出"B是什么"）是重灾区。 
Google Research
Google Research，在人工智能、机器学习、系统、理论与科学等领域推进前沿研究，发布支撑 Google 产品与更广泛社区的奠基性成果。
评论
点赞
收藏迈向专家级音视频临床问诊的 AMIE 系统
Google 将 AMIE 临床 AI 系统升级为支持实时视频问诊，基于 Gemini 和 Project Astra 构建了三智能体异步架构（对话、规划、感知），在 100 个场景、300 次模拟问诊的随机对照研究中，视频版 AMIE 在病史采集、诊断准确性和沟通质量上与 30 位持证全科医生表现相当，且在引导体格检查方面优于医生和纯文本版 AMIE。研究由专业患者演员在模拟环境中完成，尚未在真实患者中验证。
可扩展地检测对抗性合成垃圾与协同媒体滥用
Google Research 发布论文，介绍在大型在线视频平台部署的对抗性合成垃圾检测系统。该方案结合协调机器人网络检测与合成模式分类，并利用经 LoRA 微调和大语言模型自动化优化，实现对恶意账号集群的高效识别。数据显示，系统在六个月内终止了 5 万个包含 13 万个频道的垃圾生成集群，并通过 LLM 驱动自动化将人工审核时间减少 50%。这为应对生成式 AI 带来的规模化内容滥用提供了可落地的工程实践参考。
在 Pixel 上利用冻结多令牌预测加速 Gemini Nano 模型
Google Research 宣布在 Pixel 手机本地部署冻结权重的 Gemini Nano 模型，通过引入多令牌预测（MTP）技术显著提升生成速度并降低能耗。 该方案无需微调独立草稿模型，利用零拷贝架构共享主模型状态，实测在通知摘要等场景下速度提升超 50%，为端侧大模型效率优化提供了新路径。
TabFM：面向表格数据的零样本基础模型
Google Research 推出 TabFM，一个面向表格数据的零样本基础模型。 它将表格预测转化为上下文学习问题，无需手动特征工程和超参数调优，单次前向传播即可生成预测。 该模型采用混合注意力架构，在数亿个合成数据集上训练，并在 TabArena 基准测试中表现优异。未来将集成到 Google BigQuery 中，支持通过简单的 SQL 命令进行预测。
Introducing TabFM: A zero-shot foundation model for tabular data
Google Research 推出 TabFM，一个面向表格数据的零样本基础模型。 它将表格预测转化为上下文学习问题，无需手动特征工程和超参数调优，单次前向传播即可生成预测。 该模型采用混合注意力架构，在数亿个合成数据集上训练，并在 TabArena 基准测试中表现优异。未来将集成到 Google BigQuery 中，支持通过简单的 SQL 命令进行预测。
思考以回忆：推理如何解锁大语言模型的参数知识
Google Research 发现，让大模型生成推理过程不仅能解决复杂问题，还能解锁其参数记忆中原本无法直接调用的简单事实。 研究揭示了两个机制：“计算缓冲区”效应和“事实启动”效应，即通过生成相关事实作为上下文桥梁来辅助检索。
线性弹性缓存：Google 如何降低 Spanner 15.5% 内存开销
Google 在 CIDR 2025 发表论文，介绍线性弹性缓存技术。通过将页面驱逐建模为滑雪租赁问题，并结合轻量级机器学习动态调整缓存大小。 在 Spanner 生产环境中实测，该技术使内存使用减少 15.5%，缓存未命中率仅增加 5.5%，总拥有成本降低约 5%。
AI生成的合成神经元加速大脑映射
谷歌研究团队发布MoGen模型，利用生成式AI合成神经元形态数据，训练神经重建算法PATHFINDER。 引入合成数据后，重建误差降低4.4%，相当于在完整小鼠大脑映射中节省157年的人工校对时间。该模型已开源，旨在加速连接组学的大规模研究。
从像素到规划：利用地球AI进行自然恢复
Google Research 发布了英国农田树篱和林地的高精度矢量数据集。 该成果利用深度学习将卫星图像转化为可操作的保护数据，旨在解决气候变化与粮食安全之间的矛盾。 研究团队解决了复杂地形识别和计算规模难题，通过双标签系统和并行处理技术，让原本难以检测的细粒度生态特征变得可见，为自然恢复提供数据支持。
用退役手机主板构建低碳计算平台
加州大学圣地亚哥分校与谷歌合作，计划部署由2000部退役Pixel手机主板组成的集群，作为低成本的云计算平台。该项目旨在通过复用旧手机硬件来减少电子垃圾和碳排放，同时测试消费级硬件在数据中心环境下的可靠性，预计2026年秋季上线。