16:56官方一手marktechpost@Michal Sutter73°Google Research 联合 DeepMind 等团队推出 SensorFM,一个基于 ViT-1D 掩码自编码器架构的可穿戴健康基础模型。模型在超过 1 万亿分钟来自 500 万参与者的未标注传感器信号上预训练。实验对比 4 种模型规模和 4 种数据量,发现当模型容量超过数据量时性能仍可提升。使用冻结嵌入加 PCA-50 线性探针,在 35 个健康任务中的 34 个上超过了传统特征工程基线。团队还通过 agentic 教室搜索了 30,516 个预测头,并进行了临床评估以验证个人健康智能体。AI模型SensorFMGoogle Research可穿戴健康基础模型传感器数据推荐理由:谷歌用海量传感器数据训了个健康大模型 SensorFM,在 35 项任务里赢了 34 个,比传统方法靠谱多了,做可穿戴健康的朋友可以看看。原文
14:00AI Will@FinanceYF573°Google Research 发布了 TabFM,一个专门针对表格数据的基础模型。该模型支持零样本预测,无需训练、调参或特征工程。TabFM 直接输出预测结果,大幅降低使用门槛。目前该推文获得 388 次查看。AI模型TabFMGoogle Research基础模型零样本表格数据1 个信源在谈推荐理由:如果你厌倦了 XGBoost 调参,TabFM 不用训练直接预测,省时省力,适合表格数据任务。原文
03:47官方一手Google Research: Blog(资讯)Google Earth AI团队将Heat Resilience数据集的覆盖范围扩大到全球50多个城市。该数据集采用开源模型与数据集许可,提供高分辨率城市热环境指标。社区可利用该数据评估城市热岛效应,制定适应性措施。AI模型Google ResearchEarth AIHeat Resilience开源数据集城市热岛1 个信源在谈推荐理由:Google把热弹性数据做到50+城市了,开源可下载,做城市热岛分析直接拿数据,不用自己算。原文
12:39berryxia@berryxia精选Google Research在2024年ICML发布了时间序列基础模型TimesFM,2025年9月推出2.5版本。参数从500M降至200M,上下文从2048扩展到16K,新增30M分位数预测头可输出10%-90%置信区间。该模型在跨领域数据上预训练后,能零样本预测任意新序列。2026年4月增加通过HuggingFace Transformers和PEFT的LoRA微调能力。TimesFM已集成BigQuery ML、Google Sheets和Vertex AI,开源版本可用两行Python代码调用。AI模型TimesFMGoogle Research时间序列预测预训练模型零样本推荐理由:Google搞了个时间序列神器TimesFM,零样本预测,参数200M一张GPU就能跑,还能在Google Sheets里用,pip install两行代码搞定,做预测的别错过。原文
20:46官方账号Decoder@Matthias BastianGoogle Research 发布了 Gemini-SQL2,这是一个基于 Gemini 3.1 Pro 构建的模型,能将自然语言转换为可执行的 SQL 查询。在 BIRD 基准测试中,Gemini-SQL2 达到了 80.04% 的准确率,大幅领先于 OpenAI 和 Anthropic 的模型。Google 表示该技术有望改进其数据服务中的自然语言功能。AI模型Gemini-SQL2Gemini 3.1 ProGoogle ResearchBIRD基准文本到SQL10 个信源在谈推荐理由:Google 的 SQL 模型准确率超 80%原文
13:54IT之家(博客/媒体)精选Google Research 推出 Gemini-SQL2 模型,基于 Gemini 3.1 Pro 打造,专攻 Text-to-SQL 任务。在 BIRD 基准的单模型赛道中,执行准确率达 80.04%,超越此前 Gemini-SQL。BIRD 覆盖 95 个数据库、37 个领域和 12751 组问题,数据量 33.4GB,模拟真实企业环境。该模型可让业务人员用自然语言查询营收、流失等数据,但谷歌尚未公布 API 或接入产品。AI模型Gemini-SQL2Google ResearchText-to-SQLBIRD推理模型4 个信源在谈推荐理由:谷歌新模型让自然语言查数据库更准原文
04:32官方账号Logan Kilpatrick@OfficialLoganKLogan Kilpatrick与Google Research负责人Yossi Matias对话,探讨AI如何加速科学进步的“魔法循环”,改善全球真实生活,并指出我们正进入研究的黄金时代。Matias分享了AI在药物发现、气候预测等领域的实际应用案例,强调AI正从实验室走向现实世界。这场对话充满启发,展示了AI对科学研究的深远影响。行业AI研究科学进步Google ResearchAI应用行业对话2 个信源在谈推荐理由:想了解AI如何真正推动科学进步的研究者或从业者,这场对话值得一看——Google Research负责人的一线视角,比任何报告都更真实。原文
21:35官方一手Google Research: Blog(资讯)Google Research 发布了关于算法与理论的最新博客文章,涵盖算法设计、理论计算机科学和机器学习理论的前沿进展。文章探讨了如何通过理论创新提升实际系统效率,并展示了在近似算法、在线算法和数据结构方面的突破。这些研究对优化搜索引擎、推荐系统和云计算资源调度有直接影响。理论成果已部分应用于 Google 产品,如搜索排序和广告投放。论文算法理论计算机科学机器学习理论Google Research系统优化推荐理由:算法研究者或系统优化工程师可以从中获取理论到实践的转化思路,建议关注具体技术细节。原文
21:35官方一手Google Research: Blog(资讯)Google Research 博客新增了“会议与活动”标签页,用于集中展示其研究人员在各类学术会议和行业活动中的参与情况。该页面汇总了论文发表、演讲、研讨会等动态,方便读者追踪 Google 在 AI 等领域的最新研究进展。这对于关注前沿技术、希望了解 Google 研究动向的学者和开发者来说,是一个重要的信息聚合入口。行业Google Research学术会议研究动态信息聚合行业活动推荐理由:想第一时间知道 Google 在顶会上发了什么论文、做了什么演讲?这个标签页就是你的雷达,做 AI 研究的建议收藏。原文