Google 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests，用于审计机器遗忘：通过相对距离检验判断模型分布更接近安全重训模型还是原始受损模型。该框架基于 f-divergence，支持 Chi-squared、KL 和 Hockey-stick 散度，并用核正则化高效估计高维数据差异，自动选择散度与超参数、无需样本切分。
Google DeepMind 发布实验性开放模型 DiffusionGemma，基于 Gemma 4 与 Gemini Diffusion 研究，用文本扩散同时生成整块 token，在专用 GPU 上最高提速 4 倍，单张 NVIDIA H100 超 1000 tokens/秒、RTX 5090 超 700 tokens/秒。
推荐理由：原文给出扩散文本生成的速度收益、硬件门槛与质量取舍，读者可据此判断它适合哪类本地推理场景。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA，并在 Google.org 支持下发起最高 1000 万美元的多智能体 AI 安全研究资助征集，面向全球研究者开放。
Google DeepMind 发布 Gemini 3.5 Live Translate，这是一款可自动识别 70 多种语言并做近实时语音到语音翻译的音频模型，能保留说话人的语调、节奏和音高，并持续生成语音、始终比说话人慢几秒。
推荐理由：官方给出 70+ 语言、流式连续翻译与多渠道开放的细节，读者可据此判断实时语音翻译的可用边界。
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本电脑的无编码器多模态模型，视觉与音频输入直接进入 LLM 主干。该模型在标准基准上接近 26B MoE 模型的表现，同时总内存占用不到其一半，并首次在中等规模 Gemma 中支持原生音频输入。
推荐理由：原文给出无编码器架构的视觉与音频直连设计和 16GB 显存本地运行门槛，可据此判断端侧多模态智能体的落地条件。
Google DeepMind 推出为期三个月的 Accelerator: Robotics 项目，从欧洲选出 15 家早期机器人初创公司，提供技术指导并开放 AI 技术栈与 Gemini 机器人模型。
Google DeepMind 公布在塞拉利昂开展的预注册对照试验结果：使用 Gemini Guided Learning 的学生数学成绩比对照组提升 +0.258 个标准差，约相当于常规学习 1.2 至 1.7 年的进度，若教师将 Gemini 融入约一半课程，提升可达约 1.8 至 2.5 年。
伦敦国王学院、复旦大学与 Alan Turing Institute 构建了 SocioHack 基准，包含 72 个社会仿真环境，测试 AI 在信用卡积分、学校评分等场景中的"社会黑客"行为，RL 训练的 LLM 能以 61.25% 召回率和 90.85% 精确率重新发现历史上已被修补的规则漏洞。
Google 在 Gemini Enterprise Agent Platform 上线基于 Agentic RAG 的 Cross-Corpus Retrieval，用多智能体协作处理多源、多跳查询。相比标准 RAG，该框架在事实性数据集上准确率最高提升 34%，并新增 Sufficient Context Agent，在信息不足时判断缺口并持续检索，而非直接给出不完整答案。
Google Research 在 Nature 发表论文，提出研究系统 PHRM，利用手机前置摄像头在面部解锁后的数秒内拍摄视频，在后台估计心率与每日静息心率。
推荐理由：Google 用手机前摄在日常解锁后被动测心率，读者可据此判断摄像头健康监测的可行性与肤色公平性进展。
Google Research 在 GitHub 上以 Apache 2.0 许可证开源其水文建模框架，让各国气象与水文机构能把 AI 洪水预报集成进自身工作流。
Google Research 在 I/O 2026 发布 Gemini for Science，一套与 Google Cloud、Google DeepMind。
Google 公布一套面向私有分析的零信任聚合新方案，用新型密码学聚合协议保护用户数据，设备只需发送单条消息、无需多轮在线交互，Google 只能得到匿名化的群体聚合结果。该方案将密码学层与 TEE 结合，在硬件保护失效时数据仍不会被还原，并借助 TEE 远程证明向参与者验证协议按公开代码正确执行。
Google DeepMind 在亚太地区启动首个加速器计划，聚焦“AI for the Planet”，为期三个月，面向该地区初创公司、研究团队和非营利组织，用前沿 AI 解决自然、气候、农业、能源等问题。入选机构将获得专家指导、定制支持，以及 Google AI 专家协助把前沿 AI 和科学 AI 模型整合进其项目或产品。计划以在新加坡举办的线下训练营启动，现已开放注册意向。
Google 宣布将基于 Gemini 的科研工具 Empirical Research Assistance（ERA）开放给科学家使用，并推出由 ERA 和 AlphaEvolve 构建的 Computational Discovery，通过 Gemini for Science 逐步开放访问。
推荐理由：原文给出 ERA 在 Nature 发表后的八篇应用论文与 Computational Discovery 的开放入口，便于判断科研智能体的实际落地边界。
Google DeepMind 的 Co-Scientist 帮助 Omar Abudayyeh 和 Jonathan Gootenberg 的实验室筛选逆转细胞衰老的基因靶点：它扫描数万篇论文并提出 20 多个新的候选遗传因子，实验室验证其中几个成功将细胞推向更年轻状态。Co-Scientist 还将原本长达六个月的筛选数据分析缩短至几天。
Import AI 457 聚焦三项研究：一款约 20 年前的 fast16.sys 病毒会篡改高精度计算软件结果，目标包括 LS-DYNA 970、PKPM 和 MOHID。
Google DeepMind 为实验性原型 Project Genie 上线 Street View grounding 能力，用户可选取美国境内真实地点并叠加“Desert Sands”“Stone Age”“Ocean World”“B&W film”等风格，再描述角色生成可交互世界，该能力由 Maps Imagery Grounding 技术支持。
Google DeepMind 推出 Gemini Omni 系列，首个模型 Gemini Omni Flash 可组合图像、音频、视频和文本输入，生成并对话式编辑高质量视频。
推荐理由：Gemini Omni Flash 把视频生成与对话式编辑合并到同一模型，读者可据此判断多模态创作入口的变化。
Google DeepMind 发布 Gemini for Science，在 Google Labs 上线三个实验性原型：基于 Co-Scientist 的 Hypothesis Generation。
Google 扩大内容透明度与验证工具，把 SynthID 的图像、视频和音频验证从 Gemini 应用扩展到 Search，并将在未来数周进入 Chrome。
推荐理由：原文给出了内容溯源工具从 Gemini 扩展到 Search 和 Chrome 的路径，读者可据此判断合成内容核验的可用范围。
Google DeepMind 与新加坡政府启动国家 AI 合作，在新加坡推出多项计划，覆盖医疗与生命科学、教育及可持续发展。合作探索 AI 辅助临床的「三方照护」模式，并借助 AlphaFold、Google Earth 等工具推进东南亚传染病研究与疫情防控，Google.org 为此出资 700 万美元。
剑桥大学 Clare Bryant 教授用 Google DeepMind 的 Co-Scientist 研究流感等病原体跨物种传播引发败血症的分子机制。Co-Scientist 在未公开数据辅助下将候选靶点从蛋白质细化到具体氨基酸，团队正据此构建含氨基酸突变的细胞系验证假设。Bryant 称，原本需两到三年的精确氨基酸定位工作，若靶点正确，实验室有望在六个月内完成。
Google DeepMind 的 Co-Scientist 被 Calico Life Sciences 用于衰老生物学研究，帮助从混杂的文献中筛出值得验证的新假设。Calico 团队借助它提出了一条关于整合应激反应（ISR）如何受代谢调控的新假设，并借助 Co-Scientist 优化实验设计、随结果迭代。相关实验产生了对 ISR 在健康与疾病中作用具有重要意义的发现，团队计划发表结果。
爱丁堡大学 Filippo Menolascina 团队用 Google Co-Scientist 研究肝病 MASH，该系统整合肝脏生物学与药理学证据、锁定候选联合疗法并解释了药物 resmetirom 为何仅对少数合格患者有效。Co-Scientist 提出 NLRP3 炎症小体是连接炎症与代谢的分子桥梁这一假设，随后经实验验证，或为靶向双重疗法铺路。
Google DeepMind 的 Co-Scientist 帮助 MIT 机械工程师 Ritu Raman 快速梳理 ALS 相关文献，将想法转化为可检验假设并按可行性排序。其最优线索指向细胞表面分子交互，促成 Raman 与波士顿儿童医院化学生物学家 Ryan Flynn 合作，结合组织模型与 RNA 图谱寻找可用于靶向 ALS 的新型 RNA 机制及潜在 RNA 药物。
Google DeepMind 的 Co-Scientist 帮助斯坦福大学医学院遗传学家 Gary Peltz 筛选可老药新用治疗肝纤维化的药物。Peltz 自己挑选的两款候选药在活体人类肝细胞测试中无效，而 Co-Scientist 提出的三款候选药中有两款阻断了纤维化并促进肝细胞再生，其中癌症药物 vorinostat 阻断了 91% 可致肝疤痕的损伤反应。
Google DeepMind 的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天预测飓风 Melissa 将以五级强度登陆牙买加，置信度 80%，三天前升至接近 100%。
推荐理由：读者可以看到 WeatherNext 在真实飓风预报中同时预测路径与强度的表现，以及 NHC 年度验证报告的对比结论。
Google DeepMind 发布 Gemini 3.5 系列首个模型 3.5 Flash，主打智能体与编码能力，今日起在 Gemini app、Google Search AI Mode、Google Antigravity、Gemini API、AI Studio、Android Studio 及 Gemini Enterprise 上线。
推荐理由：官方披露 3.5 Flash 在 Terminal-Bench 2.1 等基准上的成绩与 4 倍输出速度，可据此判断其性价比定位。
Google DeepMind 在 Nature 发表 Co-Scientist 研究，这是一个基于 Gemini 构建的多智能体 AI 系统，能够迭代地生成、辩论并演化针对复杂科学问题的新假设。
推荐理由：Nature 论文与多智能体架构细节同时公开，读者可据此了解假设生成类科研智能体的具体设计与落地方式。
Google DeepMind 汇总了 Gemini 驱动的编码智能体 AlphaEvolve 发布一年来的应用成果，覆盖科研与基础设施优化。
推荐理由：官方汇总了 AlphaEvolve 在基因组、电网、TPU 与商业客户上的落地数据，可据此判断编码智能体的跨领域迁移空间。
Google Research 称其开源工具与开放数据集已支持全球逾 25 万名研究人员和开发者。其基因组学工具 DeepVariant、DeepConsensus、DeepPolisher 助力社区处理了 250 万人的外显子组与全基因组，医学基础模型 MedGemma 下载量超 480 万次。
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下参与患者诊疗的三人协作模式。在 98 条真实初级保健问题的盲评中，该系统 97 例无关键错误，优于医生常用的两个 AI 系统；与哈佛、斯坦福合作的 140 项问诊技能评估中，AI 在 68 项达到或超过初级保健医生水平，但识别危险信号和指导关键体格检查仍不如专家。
推荐理由：Google DeepMind 的医疗智能体研究给出了盲评、随机仿真等量化结果，可了解 AI 与医生协作的当前边界。
Google Research 科学家正用 Empirical Research Assistance（ERA）开展真实科研：为流感、COVID-19 和 RSV 每周提交全美各州、最长提前四周的住院预测，在流感与 COVID-19 公开排行榜上处于或接近首位。
Google DeepMind 宣布与韩国科学技术信息通信部（MSIT）建立合作，属于其 National Partnerships for AI 计划的一部分，将在首尔办公室设立 AI Campus，面向韩国学界和研究机构开放。
Google Photos 的 Auto frame 新增一项自动重构图能力，将照片理解为 3D 场景并自动调整相机位置与焦距，从而改变视角。该方法分两步：先用内部 3D 点图估计模型还原人体与人脸并推算原始焦距，再用生成式潜扩散模型补全换视角后露出的空白区域。该功能现已上线，只处理含人物的合格照片，重构图版本作为 Auto frame 候选中的第二个方案，一步即可应用。
推荐理由：Google Photos 把拍照后的视角问题交给 3D 估计加扩散补全处理，读者可了解这套两阶段方法如何改变自动修图流程。
Google DeepMind 发布新论文提出 Decoupled DiLoCo 分布式训练架构，将大规模训练拆分为相互解耦的计算岛屿并以异步数据流连接，从而隔离局部硬件故障。
推荐理由：原文给出跨数据中心异步训练的低带宽与容错实测数据，读者可据此判断分布式预训练的工程可行边界。
Google Research 在 ICLR 论文中提出 ReasoningBank，一个从成功和失败经验中提炼高层结构化记忆的智能体记忆框架，代码已开源。
推荐理由：论文提出从成功与失败经验中提炼结构化记忆的框架，读者可了解智能体测试时自我进化的具体做法与实测增益。
Google DeepMind 与 Accenture、Bain & Company、BCG、Deloitte、McKinsey 达成合作，推动前沿 AI 在企业级场景落地。合作三方包括：共同开发面向行业的规模化 AI 能力、让合作伙伴提前使用 Gemini 系列前沿模型并反馈优化、以及对接高层领导与客户 CEO 和董事会。目前仅 25% 的组织成功将 AI 规模化投入生产。
Google Research 发布推理优先框架 Simula，将合成数据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 dual-critic 质量检查四个可控维度从零构建数据集，无需种子数据。