Google Research

RSS: https://research.google/blog/rss/
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。

自动化生成连贯的长格式视频

Google Research 发布了一套面向长视频生成的多智能体框架：Co-Director（COLM 2026）、CANVAS（EMNLP 2026）、A²RD 和 VQQA，构建在 Gemini 和 Veo 之上。 核心问题是现有视频扩散模型只能生成高保真短片段，但多镜头长叙事会出现语义漂移、级联失败、特征漂移和内容崩塌。方案将长视频生成形式化为全局优化与世界状态跟踪：Co-Director 用多臂老虎机在创意策略、叙事模式和美学原型三个维度做全局搜索，并通过 MLLM Judge 闭环迭代；CANVAS 用持久视觉记忆维护角色、场景和物体状态，解决镜头切换间的视觉不连续；A²RD 采用自回归分段生成加多模态视频记忆，在extrapolation（推进叙事）和interpolation（锚定实体）之间自适应切换，可生成分钟级视频；VQQA 用视觉问答作为自然语言梯度做黑盒 prompt 优化，并引入全局选择机制防止语义漂移。 三个自研基准（GenAD-Bench、HardContinuityBench、LVBench-C）分别在营销广告约束、空间连续性、长时动态上评估，结果在多项已有 benchmark 上取得显著提升。
评论点赞收藏5 天前

MilleMiglia：面向中间里程物流的真实实例生成器

Google Research 发布 MilleMiglia，一个用 C++ 写的开源基准生成器，专门用于仿真“中间里程”物流（regional/continental 级配送中心之间的转运），补上过去 VRP 研究偏重首末段、中间段缺公共数据的空白。 文章解释中间里程与首末段的区别：单个货物可能跨多车、多节点、多天接力，需要满足固定发车时刻、分拣吞吐上限和到达/发车同步约束，传统 VRP 解法直接套用会失真；作者把问题建模为时空图上的多商品流。 MilleMiglia 用统计分布（重力模型/空间聚类决定节点位置、OD 需求对、车辆轮转）生成隐私安全的合成网络，支持从学术 toy 到大陆级工业规模的不同尺寸，也支持生成大规模训练集。 GitHub 开源，Google 与 UniBrescia、ENPC 合作，后续还会推出针对中间里程的专用 solver 和 API，并计划发起社区竞赛。对运筹/物流优化研究者有直接工具价值。
评论点赞收藏11 天前

让老师用生成式 UI 创建交互式学习模拟：Google 的新教育研究

Google Research 发布新研究，用生成式 UI（GenUI）让教师输入主题即可 AI 动态生成交互式学习模拟（分关卡、带脚手架提示、公式工具箱、即时反馈），并内置自动纠错循环（包括用 Chrome 实例模拟用户做可解性、对抗性测试）。 已发布 30+ 个英语 STEM 互动样例库（物理/化学/生物/数学，初中高中），全部经教师审核；美国 12 名教师试评平均 8/10，英国 STEM 教师总体评价良好，物理和化学最易生成。 目前通过 Google for Education 试点计划征集学校反馈，后续将做学习增益和参与度的 UX 实地研究。
评论点赞收藏12 天前

绕过推理瓶颈：用 Retrieve-for-Train 加速复杂 AI 检索

Google Research 团队在 ICML 2026 论文中提出 Retrieve-for-Train 框架，解决 LLM 在执行"查询扇出"（将一个宽泛查询分解为多个互补子查询）时的推理瓶颈。 核心思路：不在推理时让 LLM 消耗大量思考 token，而是用离线强化学习（Soft-GRPO + 三重复合奖励：groundedness / Vendi 多样性 / alignment）训练一个 4B 规模的扇出语言模型，将其学会的"探索行为"蒸馏进一个 53.9M 参数的扩散检索器，实现单次非自回归并行生成整组子查询嵌入。 关键结果： 1. 相比自回归 LLM 推理（大规模 batch 下接近 50 秒延迟），扩散检索器将推理压到亚秒至几秒，加速 12-20 倍； 2. 质量上优于单查询检索、zero-shot 扩展甚至 Best-of-N 基线；zero-shot LLM 容易陷入"近义改写坍缩"（如反复输出 bohemian festival fashion / clothes），而该方法能生成真正语义不同的分支（boots、lace 等）； 3. 消融发现没有多样性项时模型会"奖励黑客"——生成退化的无意义字符串去套数据库坐标，Vendi Score 作为几何锚点堵住了这条捷径。 实验在时尚穿搭数据集（CLIP 检索）和音乐播放列表数据集（MuLan 检索）上验证，使用 Gemma3-4B 和 Qwen3-4B 驱动扇出。对搜索/推荐工程师和关注 LLM 推理效率的人有直接参考价值。
评论点赞收藏14 天前

ToolGrad：用文本梯度高效生成工具使用数据集

Google Research 提出 ToolGrad，用"答案优先"范式替代传统 DFS 搜索生成工具调用数据集。在 16k+ API 的 ToolBench 上生成复杂工具链，准确率接近 100%，成本更低。 用 gemini-2.5-flash-lite 生成的数据微调的 Gemma-3-12B 在 BFCL 榜单以 83.1 分逼近 Gemini 2.5 Pro（83.2），超出 GPT-5。代码和数据已开源。
评论点赞收藏19 天前

Google研究：跨人群基因组预测中，欧洲数据并非越多越好

Google Research用UK Biobank和Biobank Japan数据系统评估跨人群多基因风险评分（PRS）迁移效果，发现欧洲数据并非越多越好——当目标人群样本超过1.5万时，直接用目标人群数据训练的模型反而更准。 遗传保守性状（如BMI）能从欧洲数据中获益到2.5-4万样本，而人群特异性性状（血脂、血糖）在更小样本时就出现收益递减。PRS-CSx等先进方法需要大量目标人群数据才能超越简单方法。
评论点赞收藏26 天前

连接组学里程碑：绘制完整雄性果蝇大脑图谱

Google与HHMI Janelia合作在Cell发表果蝇雄性完整大脑连接组图谱，包含16.6万个神经元和1.25亿个突触连接，是迄今神经元数量最多的脑图谱。 结合此前发布的雌性果蝇脑图谱，可比较两性差异并研究求偶与攻击行为的神经机制。团队开发的AI工具（flood-filling networks、PATHFINDER）加速了重建过程，方法已延伸至斑马鱼和小鼠脑图谱绘制，有望推动神经退行性疾病研究。
评论点赞收藏27 天前

用深度学习从太空绘制全球甲烷排放地图

Google与NASA JPL合作开发MAPL-EMIT深度学习框架，利用国际空间站上的EMIT高光谱成像仪数据，实现全球甲烷排放点源的自动化检测。 模型基于Swin-S Vision Transformer架构，在360万个合成甲烷羽流数据上训练，对专家标注羽流的召回率达84%，比传统匹配滤波方法多识别约50%的合理羽流。 已在25个全球最大垃圾填埋场中的24个成功绘制羽流。模型、合成数据和全球羽流数据库已开源，可在Earth Engine、Kaggle和GitHub获取。
评论点赞收藏28 天前

TimesFM-3：Google 推出支持多变量预测的零样本时间序列基础模型

Google 发布 TimesFM-3，一个 3.3 亿参数的多变量时间序列预测基础模型，在单次前向传播中完成预测，在 Gift-Eval、FEV-Bench、TIME 三个公开基准上均排名第一。 相比前代仅支持单变量，TimesFM-3 原生支持多目标预测、历史协变量和已知未来事件（如促销、天气），无需微调即可零样本使用。核心突破是交替注意力架构（时间维因果注意力 + 变量维全注意力）和 Contiguous Patch Masking 策略，一次性生成整个预测 horizon，避免逐 patch 生成的误差累积。 预训练数据超 1 万亿时间点，模型已在 GitHub 和 Hugging Face 开源。
评论点赞收藏29 天前

行星预测引擎：用Earth AI自动化全球地理空间建模

Google Research 推出行星预测引擎（PPE），可自动完成从数据发现到模型训练的全流程地理空间建模，将原本需要数周的建模工作缩短至几分钟。 在21项CDC健康指标预测中R²达76.8%（对比人工管线60%），尼日利亚粮食安全风险降尺度R²从31.5%提升至66.1%，刚果埃博拉疫情预测Recall@10达83.3%。 核心方法是多模态融合——将结构化统计协变量与Population Dynamics和AlphaEarth基础模型嵌入结合，并引入防数据泄露的Feature Gate机制。
评论点赞收藏33 天前

教AI读地图：Google开源200万张合成地图路径数据集

Google Research开源MapTrace数据集和合成数据生成管线，用Gemini 2.5 Pro加Imagen-4生成200万张带标注路径的地图图像。在2.3万条路径上微调后，Gemini 2.5 Flash在MapBench地图路径追踪任务上NDTW从1.29降至0.87，Gemma 3 27B从1.29降至1.13，成功率同步提升。 管线分四步：LLM生成地图描述→文本转图像→AI Mask Critic筛选可行走区域→构建图结构后用Dijkstra采样路径，再由AI Path Critic校验。 研究结论是细粒度空间推理并非MLLMs的先天能力，可通过针对性合成数据显式教授获得。
评论点赞收藏34 天前

GlucoFM：连续血糖监测基础模型

Google发布GlucoFM，双通道架构分离血糖慢速趋势与短期波动，在7项临床预测任务上超越现有CGM模型。PR-AUC平均提升5.8个百分点，在糖尿病风险和β细胞功能评估中表现最佳。 模型支持少样本适应和跨数据集迁移，预训练使用10.9万小时无标签CGM数据。
评论点赞收藏34 天前

AgentHands：为XR空间对话生成交互式手势的AI助手

Google Research发布AgentHands，让XR中的AI助手通过同步手势在三维空间中指导用户。系统用LLM生成带时间戳的GestureEvent，与TTS语音精确同步，在头显端驱动虚拟手完成指向、演示、警告等动作。 N=12用户研究显示，相比纯语音，加入手势后空间定位显著更易（p<0.05），复杂操作步骤理解更轻松，安全警告效果更强，认知负荷降低。 应用场景包括兰花养护、3D打印机操作、健康教练等。
评论点赞收藏35 天前

Google推出AI工具：从可穿戴设备数据中自动发现候选生物标志物

Google Research发布Biomarker Discovery Framework，一个多智能体系统，从可穿戴设备数据中自动发现候选生物标志物。在9,279名参与者的三个队列中，系统自主识别出41个心理健康候选标志物和25个代谢疾病候选标志物。 睡眠时长变异性与抑郁严重程度相关（ρ=0.252），心率静息步数比作为心血管健康指标与胰岛素抵抗相关。15位盲审专家在七项质量维度上给该系统最高分，是唯一获得"接受"或"小修"建议的系统，平均保留56.9%的生成内容，高于基线系统的18.8%-30.4%。
评论点赞收藏39 天前

Google研究：用出行数据让AI理解城市的"节奏"

Google Research提出ME-POIs框架，将匿名化出行数据与文本嵌入融合，让AI理解地点的动态功能节奏。在洛杉矶和休斯顿测试中，预测访问意图提升81.9%，价格等级分类提升75.1%，繁忙度估算提升24.7%。 出行数据模型在价格分类上甚至超越了纯文本模型。
评论点赞收藏40 天前

超越BMI：用手机照片估算心血管代谢风险

Google Research推出PhotoScan，用手机照片估算体脂率和内脏脂肪，精度接近临床DXA。模型在3.5万UK Biobank数据上预训练，132人独立验证，体脂率MAE仅2.13，胰岛素抵抗分类AUROC达0.760，接近DXA的0.773。 BIA智能手表方案在此任务上无效。
评论点赞收藏44 天前

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。
评论点赞收藏49 天前

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。
评论点赞收藏49 天前

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。
评论点赞收藏73 天前

登录芦苇

登录后关注作者、收藏内容和参与讨论。

热门话题

人工智能12,865 人关注AI 会怎样改变日常工作？产品思考8,243 人关注怎样判断一个产品值得长期做？独立开发5,917 人关注一个人如何持续完成作品？
关于芦苇 · 联系我们 · © 2026 芦苇