Google 支持加州大学圣地亚哥分校用 2000 台退役 Pixel 手机搭建低碳计算平台
加州大学圣地亚哥分校在 Google 支持下,计划用 2000 台退役 Pixel 手机的主板搭建数据中心,为数百名师生提供低成本、低碳的云计算服务。该项目将手机主板组成 25-50 台的 Kubernetes 集群,SPEC 基准显示 25-50 台手机约等于一台现代服务器,20 台手机的集群已能支撑 75 人以上班级的评分负载且延迟低于 AWS 默认后端。系统预计 2026 年秋季上线。
research.google · 网站与博客
加州大学圣地亚哥分校在 Google 支持下,计划用 2000 台退役 Pixel 手机的主板搭建数据中心,为数百名师生提供低成本、低碳的云计算服务。该项目将手机主板组成 25-50 台的 Kubernetes 集群,SPEC 基准显示 25-50 台手机约等于一台现代服务器,20 台手机的集群已能支撑 75 人以上班级的评分负载且延迟低于 AWS 默认后端。系统预计 2026 年秋季上线。
Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests,用于审计机器学习遗忘。
Google 在 Gemini Enterprise Agent Platform 上推出基于 Agentic RAG 的 Cross-Corpus Retrieval,相比标准 RAG 在事实性数据集上准确率最高提升 34%。
Google Research 在 Nature 发表 PHRM 研究系统,利用人脸解锁后的前摄视频,在日用手机过程中后台跟踪心率与每日静息心率(RHR)。
推荐理由:原文给出跨肤色验证数据和开放数据集申请入口,读者可以据此评估手机摄像头被动心率监测的可用性。
Google Research 在 GitHub 上以 Apache 2.0 许可开源其水文模型框架,供各国气象水文部门将 AI 洪水预报接入自有工作流。
Google Research 在 I/O 2026 上发布 Gemini for Science 实验工具套件,包含基于 ERA 和 AlphaEvolve 的 Computational Discovery。
Google 为隐私分析服务推出新的零信任聚合方案,结合新型密码学聚合协议与 TEE,使设备只需发送单条消息即可完成安全聚合,无需多轮在线交互。该协议可证明 Google 只能获得群体的匿名聚合洞察,无法重建单个用户数据;TEE 则提供认证与透明度保障,形成多层防御。方案已集成进 Google 的机密联邦分析系统。
Google 发布 ERA(Empirical Research Assistance),一个用 Gemini 编写和优化科学代码的研究工具,相关论文发表于 Nature。
Google Research 公布其开放科学资源已赋能全球超 25 万名研究人员和开发者,涵盖基因组学、神经科学、地球建模、生物多样性与医疗 AI 等领域。其中 DeepVariant 等工具已支持处理 250 万人的全基因组与外显子组数据,MedGemma 所属的 HAI-DEF 下载量超 480 万次,Open Health Stack 已在 10 多个国家部署、覆盖超 6500 万受益者。
Google Research 介绍其科学家的四个 ERA 应用项目。公共卫生方向已向 CDC 的流感、COVID-19 和 RSV 预测挑战每周提交全美各州最长 4 周的住院预测,在流感与 COVID-19 公开排行榜上处于或接近首位。
Google 宣布在 Google Photos 的 Auto frame 功能中推出新的拍照后视角调整方法,通过 ML 模型理解场景空间布局并用生成式 AI 从新视角重构成像。
推荐理由:原文解释了两阶段 3D 场景重建加生成补全的技术路线,读者可以了解它与传统裁剪编辑的本质差别。
Google Research 在 ICLR 论文中提出 Agent 记忆框架 ReasoningBank,从成功和失败经验中蒸馏可迁移的推理记忆用于测试时自进化,代码已在 GitHub 开放。
Google 提出推理优先的合成数据框架 Simula,将数据集生成重构为机制设计问题,通过全局多样化、局部多样化、复杂化和双批评者质量检查四个步骤,从第一性原理构建数据集,无需种子数据。
Google Research 提出 MoGen 神经元形态生成模型,用合成神经元形状增强 PATHFINDER 重建模型的训练数据,在预留小鼠轴突上把重建误差降低 4.4%,主要来自合并错误的减少。该结果相当于在完整小鼠脑规模下节省 157 人年的手动校对工作,是生成式 AI 首次用于改进连接组重建的当前最优方法。MoGen 已开源,相关论文将在 ICLR 2026 展示。
Google 发布研究实验 Vantage,通过生成式 AI 在模拟环境中创建多人对话,评估高中与大学生的问题解决、协作等未来技能,现已上线 Google Labs 并开放英文注册。
Google Research 推出 ConvApparel,一个包含 4000 多段人机多轮对话(近 15000 轮)的服饰购物领域数据集,用于量化 LLM 用户模拟器与真实人类的真实感差距。
Google 发布两款面向学术工作流的 AI 智能体:PaperVizAgent 负责生成论文配图,ScholarPeer 负责自动同行评审。
Google Research 提出一套基于情境判断测试(SJT)的框架,评估 LLM 在真实用户-助手场景中的行为倾向与人类共识的对齐程度。对 25 个 LLM 的大规模分析发现两类差距:模型倾向偏离人类标注者共识,以及在无共识时无法覆盖人类意见的分布范围。在人类标注完全一致的场景中,小于 120B 的模型与前沿闭源模型对齐度接近完美,但共识低于 90% 时对齐度停滞在 80% 出头。
Google Research 在《Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation》中研究了评测条目数与每条目标注者数的权衡,发现常用的 1–5 名标注者往往不足,可靠结果常需每条目 10 名以上标注者。
Google 推出 Vibe Coding XR 工作流,通过专门的系统提示词与 XR Blocks 代码模板,让 Gemini 将自然语言在 60 秒内转为可运行的、支持物理感知的 Android XR 应用。
Google Research 发布压缩算法 TurboQuant,可在零精度损失下大幅压缩模型,兼顾 KV cache 压缩与向量搜索,将亮相 ICLR 2026。
Google Research 发布自监督框架 S2Vec,通过 S2 Geometry 分区与特征栅格化,将道路、建筑等建成环境数据转为多层图像,再用掩码自编码(MAE)学习通用嵌入向量。在人口密度、收入等社会经济预测的地理外推任务中,S2Vec 表现优于 SATCLIP、GEOCLIP 等基线,但在树冠覆盖、海拔等环境任务上仍需改进;与图像嵌入的多模态融合通常优于单一模态。
Google Research 在 The Check Up 活动上展示了多项医疗 AI 进展,包括与 Fitbit 合作研究的 Personal Health Agent(PHA),发现其比单一任务应用更能支持长期健康。
Google Research 与 NHS 合作开展 AIMS 研究,在 Nature Cancer 发表两篇论文评估 AI 乳腺癌检测系统。回溯评估覆盖约 115,973 名女性的乳房 X 光检查,AI 灵敏度显著高于原第一人类读者,癌症检出率从每千人 7.54 升至 9.33,并检出原双重读片漏掉的 25% 间期癌。
推荐理由:研究给出了AI作为乳腺癌筛查第二读者的端到端验证数据,包括检出率和人力节省的具体结果与仲裁误判风险。
Google 与康奈尔大学合作,让 GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 和一套自建 RAG 系统回答 67 道高温超导专家级问题,由 12 位国际专家盲评打分。NotebookLM 在多数维度表现突出,自建 RAG 系统紧随其后,两者与 Gemini 在观点平衡性和答案全面性上排名前三。
Google Research 宣布在 Flood Hub 上推出城市山洪预报,借助基于 Gemini 的 Groundsource 方法从新闻报告中提取历史山洪数据,用 LSTM 模型提前 24 小时预测城市山洪风险。
推荐理由:原文给出 Flash Flood 预报的技术路线和与 NWS 的对比指标,读者可以了解 AI 预警如何弥补全球南方的预警缺口。
Google 推出 Groundsource 方法,利用 Gemini 从 80 种语言的新闻报道中提取并验证历史洪水事件,构建覆盖 150 多个国家、2000 年至今的 260 万条记录数据集并开放获取。
Google Research 与 Beth Israel Deaconess Medical Center 合作完成 AMIE 对话式诊断 AI 的前瞻性单中心可行性研究,100 名成人在初级保健就诊前与 AMIE 对话采集病史,全程由医生实时监督,未发生一次安全中止。
推荐理由:这是 AMIE 首次在真实门诊流程中开展的前瞻性可行性研究,给出安全性、诊断质量和医患体验的具体数据。