Google Research 相关 AI 资讯 · AI 热点

8月24日

22:03

22:03

官方一手marktechpost@Michal Sutter

精选

Google Research推出ME-POIs框架，将人类移动性整合到基于文本的地点嵌入中。该框架通过对比学习将每次访问编码为上下文向量，并与每个POI的一个可学习原型对齐。在洛杉矶和休斯顿的移动数据上进行的五项地图丰富化任务中，添加ME-POIs在洛杉矶的35个模型-任务对中提升了34个，在访问意图上达到81.9%的相对F1，在繁忙度上减少了24.7%的MAE。仅移动性的变体在价格水平分类上击败了Gemini文本嵌入。

AI模型 Google Research ME-POIs 地点嵌入

推荐理由：Google Research新推出的ME-POIs框架，结合了移动性信息，为文本POI嵌入增添了‘地点如何被使用’的维度，在地图丰富化任务中显著提升了模型性能，值得一试。

8月13日

18:09

18:09官方一手Google Research: Blog（资讯）

谷歌研究2026年8月12日发文，称参数化事实性的主要瓶颈是“回忆”而非“存储”。文章用“空货架”比喻事实从未进入参数，“丢钥匙”比喻事实已存储但无法调取。谷歌认为，模型答错往往不是没学过，而是关键时刻想不起来，这改变了事实性优化的方向。谷歌的分析基于语言模型内部机制的观察，为评估AI事实性提供了新视角。

论文 Google Research 参数化事实性知识召回

推荐理由：谷歌说AI答错有时是“丢钥匙”而不是“空货架”，这比喻太好懂了。想明白为什么模型会一本正经胡说八道，可以看看这篇。

7月10日

16:56

16:56

官方一手marktechpost@Michal Sutter

73°

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 SensorFM Google Research 可穿戴健康

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。

7月2日

14:00

14:00

AI Will@FinanceYF5

73°

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 TabFM Google Research 基础模型

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。

7月1日

03:47

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 Research Earth AI Heat Resilience

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。

6月28日

12:39

12:39

berryxia@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 TimesFM Google Research 时间序列预测

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。

6月13日

20:46

20:46

官方账号Decoder@Matthias Bastian

Google 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-SQL2 Gemini 3.1 Pro Google Research

推荐理由：Google 的 SQL 模型准确率超 80%

13:54

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-SQL2 Google Research Text-to-SQL

推荐理由：谷歌新模型让自然语言查数据库更准

6月12日

04:32

04:32

官方账号Logan Kilpatrick@OfficialLoganK

Logan 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 Research

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。

5月13日

21:35

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

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。

21:35

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

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。