Google Research发布Science One Framework及Chain-of-Evidence (CoE) 框架，旨在解决AI自主科研中的可验证性问题。该框架通过构建完整的证据链，实现了零虚假引用和完全可复现的实验分数，同时在MLE-Bench和Parameter-Golf等前沿基准上达到SOTA性能。
推荐理由：提出Chain-of-Evidence框架与CoE Audit，通过强制证据链解决AI科研幻觉，在保持前沿性能的同时实现零虚假引用。
Google DeepMind 发布 Gemini Robotics ER 2，升级视频理解、任务编排与多机协作能力。模型通过 Gemini Live API 提供低延迟流式推理，支持进度分类与关键帧定位，开发者可通过 Gemini API 接入。
推荐理由：模型升级视频理解与多机协作能力，提供 Gemini API 入口，开发者可据此评估物理智能体的任务编排潜力。
Google DeepMind 发布 Gemini Robotics 2，包含 VLA、ER 和端侧三大模型，赋予机器人全身控制、精细操作与多机协作能力。Gemini Robotics ER 2 已在 Google AI Studio 开放，VLA 模型面向早期合作伙伴。
推荐理由：原文给出了三大模型的能力边界与开放入口，读者可据此评估其在复杂物理任务中的实际落地价值。
Google 发布 Gemini 3.5 Flash Cyber，基于 3.5 Flash 微调的轻量级网络安全模型，旨在快速发现、验证和修复漏洞。该模型通过 CodeMender 向政府和受信任合作伙伴有限开放，在内部基准测试中表现优于主版本 Flash 模型。
推荐理由：模型针对代码安全微调，在内部基准中超越主版本，通过CodeMender限流发布，为安全团队提供低成本高效方案。
Google DeepMind 与 Isomorphic Labs 联合发布生物弹性方案，旨在通过 AI 技术提升社会应对未来疫情及生物威胁的韧性。该方案涵盖预防、检测与响应三大领域，包括利用 Gemini 模型进行安全评估、通过 AlphaEvolve 优化病原体监测算法，以及开放 AlphaFold 等最新 AI 系统供受信任的研究者加速疫苗与药物设计。
Google Research 在 ICLR 2026 发表论文，揭示扩散模型的创造力源于神经网络训练中的“分数平滑”效应。正则化导致学习到的分数函数近似平滑，使去噪过程在训练数据点之间插值，从而生成新颖样本而非单纯记忆。
Google Research 发布 SensorFM，一个基于超一万亿分钟无标签多模态传感器数据训练的可穿戴健康基础模型。该模型在心血管、代谢、睡眠等35项健康任务中展现出泛化能力，并支持通过智能体自动构建预测头及作为个人健康智能体的底层支撑。
推荐理由：基于万亿分钟无标签数据训练通用表示，为可穿戴设备健康分析提供了可扩展的底层方案。
Google Research 在《Nature Cities》发表研究，通过十城六个月的实验证明，导航平台将少量行程引导至替代路线，可使目标路段车速中位数提升约 2%，并带来数千吨的年度 CO2 减排。
推荐理由：基于十城实测数据验证了导航平台协同调度对缓解拥堵和减排的系统性增益。
Hugging Face 与 Cerebras 联合展示了基于 Cerebras 推理加速的实时语音 AI 架构，该架构采用 Nvidia Parakeet 进行语音识别、Gemma 4 VLM 进行推理、Qwen3TTS 进行语音合成，实现了低延迟的端到端语音交互。
推荐理由：展示了结合Cerebras推理与Gemma 4、Qwen3TTS的实时语音架构，为开发者提供了低延迟语音交互的开源参考实现。
Google Research 发布覆盖50+全球城市的建筑级屋顶反射率数据集，并上线 Heat Resilience Earth Engine App。该数据集基于 Sentinel-2 与高分辨率卫星影像融合生成，精度达30厘米，旨在帮助城市规划者识别低反射率建筑并实施降温干预。
推荐理由：原文提供了覆盖50+城市的建筑级屋顶反射率数据集及可视化应用，为城市热岛缓解规划提供了高精度数据支持。
Google 发布 Nano Banana 2 Lite 和 Gemini Omni Flash 两款模型。Nano Banana 2 Lite 主打极速低成本图像生成，4 秒出图，价格 0.034 美元/千张，可无缝替代旧版 Nano Banana。
推荐理由：Nano Banana 2 Lite 提供极速低成本的图像生成，Gemini Omni Flash 开放视频生成与对话编辑，两者结合可构建端到端的多媒体工作流。
Google 发布 TabFM，一个专为表格数据设计的零样本基础模型，通过上下文学习消除手动特征工程和超参数调优。该模型在 BigQuery 中原生集成，支持通过 SQL 直接进行回归和分类预测，并在 TabArena 基准测试中表现优异。
推荐理由：TabFM 将表格预测重构为上下文学习问题，无需微调即可在 BigQuery 中直接运行，大幅简化了传统机器学习工作流。
Google Research 宣布在 Pixel 9 和 10 系列设备上部署针对 Gemini Nano v3 模型的 Multi-Token Prediction (MTP) 加速技术。
推荐理由：文章详述了通过冻结主干模型并附加MTP头实现端侧推理加速的技术路径，为移动端部署提供了可迁移的优化方案。
Google Research 提出线性弹性缓存，将页面驱逐建模为滑雪租赁问题以最小化总拥有成本。在 Spanner 生产环境中，该方案使内存使用量减少 15.5%，缓存未命中率仅增加 5.5%，总拥有成本降低约 5%。
拟议的 Cross-Origin Storage API 通过密码学哈希而非 URL 标识文件，旨在解决浏览器中跨域缓存隔离导致的重复下载问题。在 Transformers.js 应用中，不同来源的 Web 应用即使请求相同的模型资源或 Wasm 运行时，也会因 Network Isolation Key 不同而无法共享缓存，造成如 177 MB 的重复存储。
Google DeepMind 联合英国政府利用 Gemini 开发 AI 规划原型，旨在将房屋申请处理时间减半。该工具通过整合数据、识别政策、总结反馈和起草评估报告来简化常规任务，并保留完整的审计追踪。英国政府计划于 2027 年向全国所有地方议会提供该工具。
Google Earth AI 发布英国精细尺度生态矢量数据集，将树篱、石墙等隐藏特征转化为可操作清单。该成果基于 RSF Vision-Transformer 骨干网络微调，利用 Polsby–Popper 紧凑度评分对几何形状进行语义分类。此数据集赋能土地所有者和环保人士测量并扩大这些精细尺度特征。
Google Research 提出正则化 f-散度核检验框架，旨在解决大规模模型机器遗忘审计中传统两样本检验统计效力低且计算昂贵的问题。该框架利用 f-散度（如 KL 散度、Hockey-stick 散度）结合核正则化方法，自动选择最佳散度类型以精准定位局部数据偏移。该研究已在 AISTATS 2026 发表，理论上证明了其对假阳性的控制能力及随样本增加假阴性收敛至零的特性。
Google DeepMind 发布开源实验模型 DiffusionGemma，采用扩散机制并行生成文本，在单卡 H100 上推理速度提升 4 倍，适用于本地低并发场景。
推荐理由：模型采用扩散机制实现并行生成，在本地低并发场景下推理速度提升显著，适合对延迟敏感的应用。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 和 Google.org 宣布启动总额最高 1000 万美元的技术研究资助计划，旨在应对多智能体交互带来的系统级安全风险。该计划面向全球研究人员开放，重点支持沙盒测试、智能体网络科学、基础设施强化及监督控制四大方向，申请截止日期为 2026 年 8 月 8 日。
推荐理由：Google DeepMind联合多家机构发起千万美元资助，聚焦多智能体交互中的涌现风险与系统级安全研究。
Google DeepMind 发布 Gemma 4 12B 模型，采用无编码器架构，视觉和音频输入直接接入 LLM 主干，原生支持音频输入。该模型在 16GB 显存下即可运行，具备接近 26B 模型的推理性能，并内置多令牌预测（MTP）草稿器以降低延迟。
推荐理由：采用无编码器架构并原生支持音频，在16GB显存下即可运行，适合本地部署智能体应用。
Google DeepMind 启动为期三个月的 Google DeepMind Accelerator: Robotics 项目，从欧洲 15 家早期机器人初创企业中选出入选者。
Google DeepMind发布塞拉利昂预注册试验结果，显示Gemini辅助教学使数学成绩提升0.258个标准差，相当于1.2至1.7年学习进度。91.4%的对话用于构建概念理解，69%学生达到使用目标。研究同时发布教师培训指南与RCT方法手册。
Google 在 Gemini Enterprise Agent Platform 中推出基于 Agentic RAG 的跨语料检索功能。该框架通过编排、规划、重写和搜索等智能体协作，并引入“充分上下文智能体”进行质量校验与迭代搜索，在 FramesQA 测试中较标准 RAG 准确率提升最高达 34%。
推荐理由：引入具备上下文完整性校验的 Agentic RAG 机制，通过多智能体迭代搜索提升复杂查询的准确率与可靠性。
Google Research 在《Nature》发表研究，介绍 PHRM 系统，利用手机前置摄像头在解锁后捕捉面部视频，通过深度学习被动估算心率。该系统在真实生活场景中实现全肤色心率测量误差低于 10%，静息心率估算误差低于 5 bpm，达到可穿戴设备水平，并开源了相关数据集和模型。
推荐理由：研究提出基于手机前置摄像头的被动心率监测方案，在真实场景下实现全肤色高精度测量，为无感健康监测提供新路径。
Google Research 在 GitHub 开源了驱动 Flood Hub 的水文模型框架，允许气象机构利用本地数据微调模型。该框架包含基于 LSTM 的模型架构和训练管线，升级模型将可靠预测期延长了六天。
推荐理由：开源了驱动 Flood Hub 的 AI 水文模型框架，允许气象机构利用本地数据微调模型，提升洪水预报能力。
Google 在 I/O 2026 上发布 Gemini for Science 套件，包含基于 ERA 和 Co-Scientist 的 Computational Discovery 与 Hypothesis Generation 工具。
推荐理由：系统展示了从科学发现到医疗应用的多个AI智能体工具，为开发者提供了可复用的科研与工程工作流参考。
Google Research 推出结合密码学与可信执行环境（TEE）的零信任聚合方案，实现无需设备保持在线的单次消息提交。该方案通过多层防御架构，确保仅向 Google 提供匿名化的群体洞察，彻底防止个体用户数据泄露。
Mistral AI 宣布收购 Emmi AI 并加倍投入 Physics AI 基础研发，重点覆盖航空航天、汽车、半导体及能源领域。公司展示了多项基于 AB-UPT 和 UPT 架构的研究突破，包括支持 30,000 个样本的跨音速 3D 机翼数据集、处理 140M 体积单元的单 GPU 气动模拟方案，以及实现工业流程实时模拟的 NeuralDEM 代理模型。
Google DeepMind 在亚太地区启动首届“AI for the Planet”加速器项目，旨在利用前沿 AI 解决气候、农业和能源等环境挑战。该项目为期三个月，面向初创企业、研究团队和非营利组织，入选者将获得 Google AI 专家的指导及科学 AI 模型集成支持。项目将在新加坡举办线下训练营，目前开放意向注册。
Google 发布 Empirical Research Assistance (ERA) 工具，利用 Gemini 通过树搜索方法编写和优化科学代码，在基因组学、流行病学预测、碳监测等基准测试中达到专家级性能。同时推出基于 ERA 和 AlphaEvolve 的计算发现平台 Computational Discovery，并开放 Gemini for Science 实验工具供注册使用。
推荐理由：ERA 工具通过树搜索优化科学代码，已在多项基准测试中达到专家级水平，并开放给科研社区使用。
Google DeepMind研究人员使用Co-Scientist辅助衰老研究，该工具从文献中筛选出20多个潜在基因靶点并验证有效，同时将数据分析周期从数月缩短至数天。
Google DeepMind 在 Project Genie 中新增 Street View 功能，允许用户基于美国真实地点生成可交互的虚拟世界。该功能结合 Maps Imagery Grounding 技术，支持“Ocean World”等风格，用户可自定义角色探索或重塑现实场景。Project Genie 现已面向全球 18 岁以上 Google AI Ultra 订阅用户开放。
Google 发布 Gemini Omni Flash，支持将图像、音频、视频和文本作为输入生成高质量视频，并可通过自然语言对话进行编辑。该模型已面向 Google AI Plus、Pro 和 Ultra 订阅用户以及 YouTube Shorts 用户开放。
推荐理由：原文给出了多模态输入生成视频的能力细节和开放入口，读者可以据此判断它对现有视频创作工作流的影响。
Google 发布 Gemini for Science，包含 Google Labs 上的三个实验工具：基于 Co-Scientist 的假设生成、基于 AlphaEvolve 的计算发现、基于 NotebookLM 的文献洞察，以及集成 AlphaFold 等数据库的 Google Antigravity 科学技能。
推荐理由：Google 发布 Gemini for Science 系列实验工具与技能，覆盖假设生成、计算发现与文献洞察，提供科研加速新路径。
Google 将 SynthID 和 C2PA Content Credentials 内容验证工具扩展至 Search、Gemini 和 Chrome，帮助用户识别内容的生成来源与修改历史。
Google DeepMind 宣布与新加坡政府启动新的国家 AI 伙伴关系，重点在医疗、教育和科研领域应用前沿 AI 技术。该合作包括利用 AlphaFold 加速传染病研究、向新加坡教师提供 Gemini for Education 培训，以及开发基于 Gemma 的视障跑步助手。
Google DeepMind 发布 Co-Scientist，协助 Calico Life Sciences 在衰老生物学研究中生成可验证假设。该工具帮助研究人员从混杂的文献中识别出关于整合应激反应（ISR）受代谢调节的新颖假设，并优化实验设计。Calico 团队利用 Co-Scientist 筛选噪音并推进实验，最终获得具有健康与疾病意义的新发现。
Google DeepMind 发布 Co-Scientist，利用 AI 辅助生物医学研究以加速疾病机制发现。该系统帮助爱丁堡大学团队在代谢功能障碍相关脂肪性肝炎（MASH）研究中，通过综合肝脏生物学与药理学证据，提出 NLRP3 炎症小子作为连接炎症与代谢的关键分子桥梁假设。该假设后经实验验证，为靶向双重疗法开发提供了新方向。
Co-Scientist 帮助 MIT 的 Ritu Ritu Raman 与波士顿儿童医院的 Ryan Flynn 跨越学科壁垒，将组织模型与 RNA 映射技术结合以探索肌萎缩侧索硬化症（ALS）疗法。该工具快速梳理了矛盾文献，协助团队提出可验证假设并评估可行性与风险。双方正利用 Co-Scientist 迭代寻找针对 ALS 的新型 RNA 机制及潜在药物。