跳到正文

全部动态

今日 0 条
3月4日周三
2月20日周五
2月19日周四
2月18日周三
  2. Google Research37

    Google 用 MapTrace 合成数据教多模态大模型在地图上寻路

    Google Research 提出 MapTrace，用 Gemini 2.5 Pro 与 Imagen-4 构建全自动合成数据管线，生成 200 万条带路径标注的地图问答对并已开源。该管线经地图生成、Mask Critic 筛选可通行区域、构建像素图、Dijkstra 求最短路加 Path Critic 校验四步，在 23,000 条路径上微调多个 MLLM 以提升细粒度空间推理能力。

2月11日周三
  1. Google Research31

    Google 开源 DialogLab：编写、模拟与测试动态人-AI 群组对话

    Google Research 在 ACM UIST 2025 发布开源原型框架 DialogLab，用于编写、模拟和测试动态的人-AI 群组对话，将对话的社交设定与时间推进解耦，支持拖拽式场景搭建、实时预览与验证仪表盘。14 名游戏设计、教育和社会科学领域参与者的评测显示，human control 模式在参与度、有效性和真实感上显著优于 autonomous 与 reactive 模式。

2月10日周二
  2. Google DeepMind74

    Google DeepMind 发布两篇论文，用 Gemini Deep Think 推进数学与科学发现

    Google DeepMind 发布两篇论文，介绍在数学家、物理学家和计算机科学家指导下，用 Gemini Deep Think 模式解决数学、物理与计算机科学领域的专业研究问题。

    推荐理由：DeepMind 公开了 Gemini Deep Think 在数学、物理与计算机科学研究中的两篇论文，读者可了解其智能体工作流与分级标准。

2月4日周三
  1. Google Research35

    Google Research 提出 Sequential Attention：让 AI 模型更小更快且不牺牲精度

    Google Research 提出 Sequential Attention，用贪心选择机制在单次训练中顺序、自适应地挑选最佳组件，把子集选择直接整合进模型训练，避免传统贪心算法带来的数量级训练开销。该方法在多个神经网络基准上取得 SOTA，并实现快速单遍贪心选择，可用于特征选择、嵌入维度调优和权重剪枝，兼顾效率、精度、可解释性与可扩展性。

1月28日周三
  1. Google Research60

    Google Research 发布智能体系统扩展研究：多智能体并非越多越好

    Google Research 发布论文《Towards a Science of Scaling Agent Systems》，对 180 种智能体配置做大规模对照评测，覆盖 Finance-Agent、BrowseComp-Plus、PlanCraft、Workbench 四个基准和 GPT、Gemini、Claude 三个模型家族。

    推荐理由：通过 180 种智能体配置的对照实验，给出多智能体架构在并行与串行任务上的量化差异，可据此调整编排策略。

1月27日周二
1月24日周六
  1. Google Research27

    Google 推出 GIST：智能采样的下一阶段

    Google 在 NeurIPS 2025 提出 GIST（Greedy Independent Set Thresholding）算法，用于训练数据子集选择，在多样性与效用之间取得平衡。GIST 是首个为该权衡提供可证明保证的算法，保证所选子集价值至少为最优解的一半，并在图像分类等基准任务上超越现有方法。

1月23日周五
  1. Google Research33

    Google 研究：小模型通过分解式方法实现更优用户意图提取

    Google Research 在 EMNLP 2025 发表的论文提出一种分解式方法，将用户意图理解拆为两步：先用小型多模态 LLM 逐屏总结交互，再从摘要序列中提取意图。在移动端和网页轨迹上，该方法优于 CoT 提示和端到端微调，Gemini 1.5 Flash 8B 配合该方法的意图提取效果可与 Gemini 1.5 Pro 相当，成本与速度仅为后者一小部分。

1月21日周三
1月20日周二
1月16日周五
1月13日周二
1月10日周六
  1. Berkeley AI Research29

    信息驱动的成像系统设计：Berkeley AI Research 提出基于互信息的成像系统评估框架

    Berkeley AI Research 提出一种基于互信息的成像系统评估与优化框架，可直接从含噪测量中估计信息量，预测系统性能。该方法在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证有效，优化后的设计达到端到端方法水平，且内存和计算需求更低、无需任务专用解码器。相关成果发表于 NeurIPS 2025 论文。

12月18日周四
12月16日周二
12月11日周四
  1. Google Research26

    Google 提出 Urania：为 AI 聊天机器人使用洞察提供差分隐私框架

    Google Research 在 COLM 2025 论文中提出 Urania 框架，通过 DP 聚类与 DP 关键词提取，从 LLM 聊天记录中生成带端到端差分隐私保证的使用洞察。该框架让 LLM 只基于匿名关键词生成摘要，不接触原始对话，从而抵御提示注入等泄露风险。评测中 DP 摘要被 LLM 评审偏好的比例最高达 70%，但隐私预算收紧会降低主题覆盖度。

12月9日周二
12月5日周五
12月4日周四
12月3日周三
11月25日周二
11月22日周六
  1. Google Research20

    Google 如何用简单 AI 模型预测电动车充电桩可用性

    Google 设计了一个基于线性回归的轻量模型，预测某充电站在未来若干分钟后仍有空闲充电桩的概率，用于将充电站纳入 EV 导航路线以缓解续航焦虑。该模型仅以一天中的小时作为特征，在 30 至 60 分钟预测窗口、至少 6 个充电桩的站点上，表现优于"保持当前状态"这一强基线，主要靠识别高占用周转的少数关键时刻。

11月21日周五
11月19日周三
  1. Google Research75

    Google 发布端到端实时语音到语音翻译模型，延迟降至 2 秒

    Google Research 发布端到端语音到语音翻译（S2ST）模型，直接在原说话人音色下生成翻译音频，延迟仅 2 秒，而此前的级联方案延迟为 4–5 秒且会累积误差。

    推荐理由：Google 端到端语音翻译把延迟从 4–5 秒压到 2 秒，并已落地 Meet 与 Pixel 10，可据此了解实时同传的技术取舍。

  2. Hugging Face Blog60

    ServiceNow 发布 Apriel-H1：将 15B 推理模型蒸馏为 Mamba 混合架构，吞吐提升 2.1 倍

    ServiceNow 的 SLAM Lab 发布 Apriel-H1，把 15B 推理模型改造成 Mamba 混合架构，旗舰版 Apriel-H1-15b-Thinker-SFT 实现 2.1 倍吞吐且质量损失很小，MATH500 从 0.90 升到 0.92、MTBench 从 8.30 升到 8.58，GSM8k、GPQA、AIME24 略有下降。

    推荐理由：ServiceNow 公开了把 15B 推理模型蒸馏成 Mamba 混合架构的完整流程与七个 checkpoint，可看到效率与质量的取舍曲线。

11月14日周五
11月13日周四
  1. Google DeepMind62

    Google DeepMind 发布 SIMA 2：可推理、对话并在 3D 虚拟世界中自我改进的智能体

    Google DeepMind 发布 SIMA 2，通过将 Gemini 模型嵌入智能体核心，使其从指令执行者升级为可推理目标、与用户对话并自我改进的交互式游戏伙伴。

    推荐理由：SIMA 2 把 Gemini 的推理能力接入 3D 游戏智能体，读者可了解其在泛化与自我改进上的具体进展与当前限制。

11月11日周二
  1. Google DeepMind42

    Google DeepMind 研究：让 AI 像人类一样“看”世界

    Google DeepMind 在 Nature 发表新论文，提出三步对齐方法，将视觉模型的内部表征重组得更接近人类认知。研究基于 THINGS 数据集训练 SigLIP-SO400M 适配器作为教师模型，生成含百万张图像、数百万条类人判断的 AligNet 数据集，再微调学生模型。对齐后模型表征按人类概念层级结构化，鲁棒性与泛化能力提升。

11月8日周六