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
05:01官方一手Google Research: Blog(资讯)2026年7月9日,Google Research发布SensorFM,一种针对可穿戴健康数据的通用模型。该模型采用自我监督学习在PPG、ECG等非接触式传感器数据上训练。它能统一处理多种可穿戴设备信号,在心率估计、睡眠分期等健康监测任务上展现通用能力。SensorFM为可穿戴健康数据分析提供了新接口。AI模型SensorFM可穿戴设备健康监测自我监督学习Google推荐理由:Google搞了个SensorFM,专门吃可穿戴传感器的数据,PPG、ECG都能处理,一个模型搞定多种健康监测。原文
08:27rohanpaul_ai@rohanpaul_ai精选72°Google 发表新论文,提出 SensorFM,一个基于 500 万人超过 1 万亿分钟未标记穿戴传感器数据训练的基础模型。该模型旨在学习人类生理活动的通用模式,而非仅处理孤立事件。SensorFM 在 35 项预测任务中的 34 项上超越了传统特征工程方法,涵盖心血管、代谢、心理健康、睡眠和生活方式等领域。研究表明,穿戴数据的价值在于先学习其内在结构,而非过早压缩为粗略摘要。论文基础模型穿戴设备生理信号GoogleSensorFM推荐理由:穿戴设备厂商和健康 AI 研究者终于有了一个通用基础模型,不用再为每个健康任务单独设计特征工程。做可穿戴健康分析的团队可以直接参考 SensorFM 的预训练思路,大幅降低模型开发成本。原文