跳到正文

Google / Gemini

Google 与 DeepMind 的 AI 动态:Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。

113 条精选近 30 天 48条共收录 319条

更新

精选归档 · 第 6 页

4月22日周三
  1. Google DeepMind62

    Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构

    Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构,把大规模训练拆成异步通信的计算孤岛,降低带宽需求并隔离硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并重新接入,用 Gemma 4 模型达到与传统方法相同的 ML 性能。

    推荐理由:原文给出跨数据中心异步训练在带宽、容错和跨代硬件上的实测结果,可据此判断分布式预训练的工程取舍。

4月16日周四
  1. Google DeepMind71

    Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型

    Google DeepMind 发布 Gemini 3.1 Flash TTS,一款主打可控性、表现力和音质的文本转语音模型,已在 Gemini API 和 Google AI Studio 面向开发者预览、在 Vertex AI 面向企业预览,并通过 Google Vids 向 Workspace 用户开放。

    推荐理由:官方给出音频标签的用法与多语言覆盖范围,读者可据此判断语音生成的可控程度。

4月13日周一
  1. Google DeepMind71

    Google DeepMind 发布 Gemini Robotics-ER 1.6

    Google DeepMind 发布 Gemini Robotics-ER 1.6,这是其推理优先机器人模型的重大升级,强化了空间推理与多视角理解,并新增仪表读数能力,可读取压力表、液位计等复杂仪表。

    推荐理由:原文给出新模型在空间推理、多视角与仪表读数上的能力变化和开放入口,读者可据此判断机器人高层推理的进展。

4月3日周五
3月31日周二
3月29日周日
  1. Google DeepMind62

    Google DeepMind 为 AI 时代重新设计鼠标指针,Chrome 与 Googlebook 率先落地

    Google DeepMind 公布 AI 指针的四条交互原则,并展示由 Gemini 驱动的实验性指针演示,用户可在 Google AI Studio 中通过指向和语音编辑图片或查找地图地点。

    推荐理由:Google DeepMind 把指针交互拆成四条原则,并给出 Chrome 与 Googlebook 的落地入口,可据此判断 AI 交互从提示词转向指向与语音的路径。

3月25日周三
  1. Google Research62

    Google 发布 Vibe Coding XR:用 Gemini 和 XR Blocks 把自然语言变成 Android XR 应用

    Google 发布 Vibe Coding XR 工作流,将 Gemini 的长上下文推理与基于 WebXR、three.js、LiteRT.js 的 XR Blocks 框架结合,把自然语言直接转成具备物理感知的 Android XR 应用,官方称耗时在 60 秒以内。

    推荐理由:Google 把 Gemini 与 XR Blocks 组合成一句话生成 XR 应用的流程,并给出 VCXR60 初步评测数据,可据此判断空间计算原型的门槛变化。

3月18日周三
3月12日周四
  1. Google Research62

    Google 推出 Groundsource,用 Gemini 把新闻报道转为灾害数据

    Google 发布 Groundsource,一套用 Gemini 从全球新闻中提取结构化灾害数据的方法,并开放首个城市山洪数据集,包含 2.6 百万条记录、覆盖 150 多个国家、时间跨度从 2000 年至今。

    推荐理由:Google 用 Gemini 把全球新闻转成结构化灾害数据,并给出人工核验的准确率与覆盖对比,可据此判断这套方法能否迁移到其他灾害。

  2. Google Research66

    Google 与 BIDMC 开展对话诊断 AI 真实临床可行性研究

    Google Research 与 Beth Israel Deaconess Medical Center 合作开展了一项前瞻性单中心可行性研究,让 AMIE 在门诊初级保健就诊前与患者进行文本问诊,全程由医生通过视频监督。

    推荐理由:Google 与 BIDMC 首次在真实门诊流程中部署对话诊断 AI,读者可了解其安全监督机制与诊断表现。