Google Research 2017 年 AI 研究回顾:Tacotron 2、NIMA、TFGAN 等
Google Research 2017 年发布多项研究:Tacotron 2 实现从文本生成类人语音,NIMA 用于神经图像评估,TFGAN 是轻量级生成对抗网络库,DeepVariant 用深度神经网络实现高精度基因组测序。此外还改进了端到端语音识别模型,并推出面向虚拟/混合现实的新注视点渲染管线。
research.google · 网站与博客
Google Research 2017 年发布多项研究:Tacotron 2 实现从文本生成类人语音,NIMA 用于神经图像评估,TFGAN 是轻量级生成对抗网络库,DeepVariant 用深度神经网络实现高精度基因组测序。此外还改进了端到端语音识别模型,并推出面向虚拟/混合现实的新注视点渲染管线。
Google Research 回顾了 2007 年的多项动态:8 月 22 日推出 Sky in Google Earth,9 月 23 日发布 OpenHTMM,10 月 19 日举办 Google Education Summit。
Google Research 发布 2025 年度回顾,列举 Titans + MIRAS 帮助 AI 获得长期记忆、实时语音到语音翻译、面向任意提示词的生成式 UI 等成果。年内还推出 JAX-Privacy 大规模差分隐私机器学习、AI 区分天然林与其他树冠覆盖的开源模型与数据集,以及用于优化的新量子工具包。
Google Research 发布生成式 AI 系列研究进展,涵盖长视频生成自动化、用生成式 UI 帮教师创建学习互动内容,以及用 Retrieve-for-Train 缓解复杂 AI 搜索的推理瓶颈。研究还涉及 Earth AI 全球模型自动化预测、可穿戴传感器数据生物标志物筛选,以及扩散模型创造力与 LLM 参数化事实召回等课题。
Google Research 发布经济学与电子 commerce 领域研究合集,涵盖大语言模型的机制设计、地理空间推理基础模型、锦标赛作弊算法、Privacy Sandbox 归因报告 API 的摘要报告优化,以及基于 DP-SGD 的私有广告预测等方向。
Google Research 回顾了 2018 年的多项研究进展,涵盖 Pixel 3 的 Top Shot 与深度预测、Google AI Princeton 的算法与理论研究,以及量子神经网络探索。
Google Research 回顾 2023 年 AI 与计算领域进展,涵盖 VideoPoet 零样本视频生成大语言模型、StyleDrop 任意风格文生图、隐私保护差分训练与单语数据无监督语音到语音翻译等成果。同期还发布面向机器学习的机器学习进展、NeurIPS 2023 与 EMNLP 2023 参会动态,以及经典力学量子算法指数级加速。
Google Research 的 Algorithms & Theory 专栏汇总了多项研究:Diffusion Controller 用于统一并简化 AI 图像生成,TurboQuant 以极致压缩提升 AI 效率,S2Vec 学习城市表征,另有面向 machine unlearning 审计的新框架和 AI benchmark 评分者数量研究。
Google Research 公布 2009 年 12 月多项研究进展,包括 YouTube 自动字幕、Google Image Swirl 图像探索、语音搜索学习普通话,以及用量子算法做机器学习。同期还发布了 Q4 Research Awards,并宣布四位 Google 员工当选 ACM Fellows。
Google Research 的 Programs 页面汇总了其历年学术资助与人才培养项目,涵盖 2019 至 2023 年的 Google PhD Fellowship、Faculty Research Award、Research Scholar Program、Award for Inclusion Research 等公告。
Google Research 的机器人研究涵盖语言驱动机器人运动、技能合成与导航等方向,包括 SayTap、PaLM-E、RT-1 等项目。其中 PaLM-E 是具身多模态语言模型,RT-1 是面向真实世界大规模控制的 Robotics Transformer,Barkour 则用于评测四足机器人的动物级敏捷性。
Google Research 回顾了 2014 年的多项研究进展,包括构建图像自然语言描述、大规模高质量目标检测,以及自动理解数据。2014 年 12 月 1 日的 NIPS 2014 上,研究者还探讨了变分推断的进展,目标是实现大规模概率机器学习。
Google Research 发布量子计算研究进展汇总,涵盖从量子纠错到量子优势的多个方向。其中 2026 年 7 月 22 日发布的研究探索让量子计算机从自身错误中学习,2026 年 1 月 13 日提出动态表面码为量子纠错开辟新途径,2025 年 10 月 22 日则展示了可验证的量子优势。
Google 发布 Earth AI,通过基础模型与跨模态推理解锁地理空间洞察。该系列工作涵盖利用深度学习从太空测绘全球甲烷排放、自动化全球模型的行星预测引擎,以及将热韧性数据扩展至 50+ 全球城市。
Google Research 回顾了 2021 年 12 月前后的多项研究,包括用 GLaM 提升上下文学习效率、快速 WordPiece 分词系统,以及通过数据集蒸馏更高效训练机器学习模型。其他工作涵盖部分本地化联邦学习、可解释时间序列预测、视觉 Transformer 的 tokenize 学习,以及开源强化学习数据集生态 RLDS。
Google Research 汇总了其摄影方向的多项技术成果,涵盖 Pixel 手机的 HDR+ 包围曝光、Pixel 4/4a 的实时 HDR+ 与双曝光控制,以及 Pixel 6 人像模式的 Alpha 抠图。近期工作包括用机器学习做 HDR 照片编辑、基于视频的 DynIBaR 时空视图合成、NeRF 室内空间重建,以及用多尺度 Transformer 评估图像美学的 MUSIQ。
Google Research 汇总了其在安全、隐私与滥用防范方向的多项研究,涵盖联邦数据可证明隐私学习、机器遗忘审计框架、零信任聚合隐私分析等课题。其中 VaultGemma 被称为全球能力最强的差分隐私 LLM,JAX-Privacy 支持大规模差分隐私机器学习,另有面向 AI 聊天机器人使用洞察的差分隐私框架。
Google 2015 年 11 月将机器学习系统 TensorFlow 开源,供所有人使用。同年 9 月,Google 语音搜索变得更快更准确,10 月又用深度神经网络改进 YouTube 视频缩略图。此外,Google 在 NIPS 2015 上展示了其机器学习研究,并发布了深度神经网络入门指南。
Google Research 公布健康与生物科学领域多项进展,包括 9 月 3 日完成雄性果蝇完整大脑连接组图谱,8 月 26 日推出连续血糖监测基础模型 GlucoFM,以及 8 月 11 日推进 AMIE 向专家级音视频临床问诊发展。其他工作涵盖可穿戴传感器生物标志物筛选、智能手机影像估算心血管代谢风险、SymptomAI 对话式症状评估智能体等。
Google Research 回顾了 2022 年的多项研究,包括生成高保真且保护隐私的合成电子健康记录 EHR-Safe、用 Confident Adaptive Language Modeling(CALM)加速文本生成,以及面向真实世界规模化控制的 Robotics Transformer(RT-1)。此外还涉及差分隐私核算、DP-SGD 私有广告预测、设备端说话人标注和量子计算等方向。
Google Research 发布 2013 年研究内容汇总,涵盖全球森林变化首张详细地图、YouTube 视频多视角学习数据集,以及摩尔定律系列四篇文章。同期内容还包括自然语言处理、教育创新与 Exacycle 访问教职项目,Googler Moti Yung 于当年当选 2013 ACM Fellow。
Google Research 在 2026 年 2 月至 9 月间围绕开源模型与数据集发布多项成果,涵盖连接组学、气候与地球 AI、语音技术等方向。其中 9 月 3 日完成雄性果蝇完整大脑图谱绘制,3 月 6 日推出非洲语言语音资源 WAXAL 及野生动物识别工具 SpeciesNet。
Google Research 的 General Science 方向近期发布多项成果,涵盖基因组预测的迁移学习、完整雄性果蝇大脑连接组图谱,以及通过 Chain-of-Evidence 实现可验证自主研究的 Science One 框架。此外还包括用智能手机图像估算心血管代谢风险、日常症状评估对话式 AI 智能体 SymptomAI,以及 AI 生成合成神经元加速脑图谱绘制等研究。
Google Research 回顾了 2006 年发布的系列博文,其中 4 月 28 日宣布统计机器翻译(Statistical machine translation)上线,8 月 3 日发布 N-gram 数据集。博文还记录了当年关于二分查找与归并排序缺陷、自动化测试会议以及 CHI、CSCW 等学术会议的动态。
Google Research 汇总了其分布式系统与并行计算方向的多项研究,涵盖用退役手机搭建低碳计算平台、AI 优化云计算虚拟机调度、随机任务到达的负载均衡,以及 Parfait、差分隐私模型训练、Gboard 语言模型联邦分析等隐私计算工作。
Google Research 发表研究,提出知识剖析(knowledge profiling)行为框架与 WikiProfile 基准(2,150 条 Wikipedia 事实,每条配 10 个任务),用于区分 LLM 事实错误的编码失败与召回失败。
推荐理由:研究把事实错误拆分为编码失败与召回失败,指出前沿模型瓶颈在召回而非存储,并量化了 thinking 的恢复作用。
Google Research 发布 AMIE (Video),基于 Gemini 和 Project Astra 构建实时视频临床问诊系统,采用 Talker、Planner、Perception 三个并行智能体的异步架构。
推荐理由:原文给出异步多智能体架构与随机对照实验设计,读者可以据此了解视频问诊 AI 的能力边界和评估方法。
Google Research 提出 Chain-of-Evidence(CoE)可验证性框架,并发布原生维护证据链的自动科研原型 Science One Framework 与配套的 CoE Audit 评估指标。
Google Research 发表 SymptomAI 论文,通过 n=13,917 的全国规模随机研究测试基于 Gemini Flash 2.0 的实验性对话 Agent 做症状问诊与鉴别诊断(DDx)。
推荐理由:原文给出 n=13,917 随机研究的主要结果,临床专家在超五成案例更偏好 SymptomAI 的鉴别诊断,可据此理解对话式问诊 Agent 的真实表现。
Google Research 与 Google DeepMind 在 Nature 发表研究,用强化学习智能体根据量子纠错检测事件持续调整控制参数,在计算过程中对抗漂移,无需中断计算。
Google Research 在 ICLR 2026 论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》中解释了扩散模型的创造力来源:神经网络训练中的正则化会让学到的分数函数被"平滑",使去噪过程在训练数据点之间插值,从而生成新样本而非简单记忆。
Google Research 推出 SensorFM,从500万同意参与者采集的超一万亿分钟多模态可穿戴传感器数据中自监督预训练,覆盖 PPG、加速度、EDA、皮肤温度和测高五类模态。
推荐理由:原文给出SensorFM的训练规模、跨35项健康任务的泛化结果和Agent集成实验,读者可据此评估可穿戴健康基础模型的实际能力。
Google Research 在 Nature Cities 发表首个大规模真实世界研究,通过修改 Google Maps 算法将不到 2% 的行程引导至替代路线,在美国 10 座城市测试后,目标路段行驶速度中位数提升约 2%,燃油消耗率中位数下降 0.5% 至 1.0%。该研究采用全城 switchback 实验设计,每座城市选取约 100 个拥堵路段,每年每城可减少数千吨 CO2e 排放。
Google Research 将建筑级屋顶反射率数据集扩展至 9 个国家 50+ 城市,并通过新的 Heat Resilience Earth Engine App 开放访问。该方法融合 Sentinel-2 与 30-cm 高分辨率卫星影像,验证 RMSE 仅 0.04,建模显示定向 cool-roof 规划可使全球城市极端高温降低最多 0.5°C。
Google Research 发布 TabFM,一个面向表格数据分类与回归的零样本基础模型,将表格预测重构为 in-context learning 问题,无需手动训练、超参数调优和特征工程。
推荐理由:官方一手发布,把表格预测重构为上下文学习问题,读者可以了解其混合注意力架构、合成数据训练与基准结果。
Google Research 推出新架构,将多 Token 预测(MTP)头挂载到已冻结的 Gemini Nano v3 上,在 Pixel 9 上实现 50% 以上的推理加速。
Google Research 提出线性弹性缓存,将页面淘汰建模为滑雪租赁问题,用轻量机器学习动态调整缓存大小。在 Spanner 生产环境测试数月后,内存用量降低 15.5%,缓存未命中仅增加 5.5%,总拥有成本(TCO)降低约 5%,实际 I/O 成本影响仅 0.5%。
Google Research 发表于 COLM 2026 的研究发现,开启推理后模型能答对关闭推理时几乎无法回忆的简单单跳事实问题,实验覆盖 Gemini-2.5(Flash 和 Pro)与 Qwen3-32B,使用 SimpleQA Verified 和 EntityQuestions 数据集。
Google Research 发布矢量化数据集,将 Farmscapes 2020 的高分辨率栅格地图转为可操作的树篱、石墙与矮林清单,覆盖英国超 13 万平方公里。
Google Research 汇总其在皮肤科 AI 信息工具上的两项用户研究,发表于 JAMA Dermatology 的 2,345 人随机实验显示,AI 辅助使参与者病症命名准确率从对照组的 8% 提升到 23%,Wizard of Oz 组达 36%,但对下一步医疗行动的判断改进有限。