跳到正文

全部动态

今日 4 条
8月6日周四
7月31日周五
7月30日周四
  1. Google DeepMind68

    Google DeepMind 发布 Gemini Robotics ER 2，支持视频理解、任务编排与多机器人协作

    Google DeepMind 发布面向机器人的具身推理模型 Gemini Robotics ER 2，作为机器人的高层大脑负责对话、多步任务规划与工具调用，再把动作执行交给下层 VLA 模型。

    推荐理由：机器人开发者可通过 Gemini API 调用 ER 2，把 VLA 模型和导航 API 声明为工具，配合 GitHub 示例跑通取物流程。

  2. Google DeepMind53

    Google DeepMind 在 Flow Music 上线音乐生成模型 Lyria 3.5

    Google DeepMind 发布新一代音乐生成模型 Lyria 3.5，并已在 Google Flow Music 上线。官方称新版在旋律结构上更丰富自然，歌词质量提升、对提示词的遵循度和结构意识更好，人声更有表现力和情感、发音也更准确。同时用户可以更方便地控制输出音频的速度与时长。适合在 Flow Music 里创作歌曲、并希望对生成结果有更细致控制的人。

7月28日周二
  1. Google DeepMind76

    Google DeepMind 发布 Gemini Robotics 2，让人形机器人实现全身控制与多机协作

    Google DeepMind 发布 Gemini Robotics 2，包含视觉语言动作模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和本地运行的 Gemini Robotics On-Device 2 三个模型。

    推荐理由：做具身智能的团队可先在 Google AI Studio 调用 Gemini Robotics ER 2 验证多步任务规划，VLA 与端侧模型需申请早期访问。

7月27日周一
  1. Hugging Face Blog66

    NVIDIA 发布 Cosmos-H-Dreams 实时手术机器人生成式仿真器

    NVIDIA 发布 Cosmos-H-Dreams，这是面向手术机器人的动作条件化实时生成式仿真器，把 Cosmos-H-Surgical-Simulator 蒸馏为少步因果学生模型，经 FlashDreams 在单张 RTX PRO 6000 上达到约 160 帧每秒。

    推荐理由：做手术机器人策略研究的团队可以用它把真机试错搬到单卡实时仿真里，先跑通闭环评估和失败样本生成再上硬件。

7月23日周四
  1. Hugging Face Blog76

    Diffusers 原生集成 Nunchaku Lite，4-bit 扩散模型可直接 from_pretrained 加载

    Diffusers 现在可以原生加载 Nunchaku Lite 的 4-bit 量化 checkpoint，无需自定义 pipeline 或单独推理引擎，调用 from_pretrained() 即可。

    推荐理由：手上只有消费级显卡的开发者可以直接加载预量化权重跑通文生图，验证效果后再考虑用工具包量化自己的模型。

7月21日周二
  2. Hugging Face Blog63

    Pollen Robotics 开源 Grabette，用手持夹爪低成本采集机器人操作数据

    Grabette 是 Pollen Robotics 开源的机器人操作数据采集系统，用手持夹爪代替遥操作机械臂记录演示。设备含两个摄像头、IMU 和夹爪编码器，硬件物料成本约 490€，配套电机夹爪 Gripette 约 120€。

    推荐理由：机器人学习团队可按开源清单组装 Grabette，用手持演示直接采集并转成 LeRobot 训练数据集。

7月17日周五
7月13日周一
  1. Google DeepMind45

    Google 推出 Gemini 驱动的 ATL Saathi，为印度 Tinkering Lab 教师提供 24/7 AI 规划助手

    Google 启动 Gemini 驱动的 ATL Saathi 试点，为印度 Atal Tinkering Labs 的教师提供 24/7 规划与培训助手。该应用由 Gemini 3.5 Flash 驱动，覆盖 12 个核心模块的摘要、AI 信息图与互动测验，并为 10 个模块生成含接线图与安全提示的分步实验说明。首批覆盖 100 所试点学校，支持 8 种语言。

7月1日周三
  2. Google DeepMind82

    Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash

    Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash 两款生成模型。Nano Banana 2 Lite（gemini-3.1-flash-lite-image）4 秒生成一张图，每张 1K 图片 $0.034，已上线 Gemini API、AI Studio 并接入搜索、Gemini app 等消费级产品。

    推荐理由：做电商或室内设计素材的团队可先在 AI Studio 用 Nano Banana 2 Lite 低成本出图，再串联 Omni Flash 转成短视频打样。

6月30日周二
  1. Google Research78

    Google 发布 TabFM 零样本表格数据基础模型

    Google 发布 TabFM，一个面向表格数据分类和回归的零样本基础模型。它把整张表作为上下文提示，单次前向传播即可给出预测，无需逐数据集训练、超参数调优和特征工程。

    推荐理由：企业分析团队可以直接在 BigQuery 用 SQL 对已有表做零样本分类或回归，省去训练模型和调参。

6月25日周四
  1. Google Research65

    Google 提出线性弹性缓存，在 Spanner 上降低约 5% 缓存总成本

    Google Research 提出线性弹性缓存（linear elastic caching），把缓存页面驱逐建模为滑雪租赁问题，按访问模式动态为页面设定 TTL，而非固定分配内存。

    推荐理由：云服务团队可以参照这套用决策树预测页面 TTL 的弹性缓存方法，先在自家缓存层做分组对照，再评估是否替换固定容量方案。

6月11日周四
  1. Google DeepMind81

    Google DeepMind 发布实验性开源模型 DiffusionGemma，文本生成最高提速 4 倍

    Google DeepMind 发布实验性开源模型 DiffusionGemma，改用文本扩散并行生成，单张 GPU 上推理速度最高提升 4 倍。它是 26B MoE 模型，推理时激活 3.8B 参数，量化后可放进 18GB 显存，H100 上超过 1000 tokens/s，RTX 5090 上超过 700 tokens/s。

    推荐理由：本地部署的开发者可以用它在单张消费级 GPU 上做内联编辑和快速迭代，但产出质量要求高时仍应切回 Gemma 4。

6月9日周二
  2. Google DeepMind83

    Google DeepMind 发布 Gemma 4 12B 无独立编码器多模态模型

    Google DeepMind 发布 Gemma 4 12B，一款不设独立编码器的统一多模态模型，视觉和音频输入直接流入 LLM 主干。它是其首个支持原生音频输入的中等规模模型，定位在 E4B 与 26B MoE 之间，基准表现接近 26B 模型，16GB 显存或统一内存的笔记本即可本地运行。

    推荐理由：开发者可在 16GB 显存的笔记本上用 Ollama 或 LM Studio 本地跑它，做多模态和 Agent 原型验证。

6月5日周五
  2. Google Research76

    Google 在 Nature 发表 PHRM，用手机前置摄像头被动监测心率和静息心率

    Google 在 Nature 发表 PHRM 研究系统，在手机解锁后的几秒内用前置摄像头拍摄面部视频，通过端上深度学习估算心率和每日静息心率。研究在实验室与真实场景中采集近 700 名受试者的 35 万余段视频，心率估计 MAPE 低于 10%，静息心率与 Fitbit Charge 6 对比的整体 MAE 为 4.39 bpm。

    推荐理由：有 IRB 资质的研究团队可以申请这份人脸视频数据集和 PHRM-mini 预训练模型，用来检验自家 rPPG 流程在深肤色人群上的误差。

5月18日周一
  1. Google DeepMind59

    Project Genie 接入 Street View 实景生成，向全球 Google AI Ultra 订阅者开放

    Google DeepMind 为实验性原型 Project Genie 加入 Street View 实景锚定能力，可把生成的可交互世界绑定到真实地点。用户在美国地图上选点、挑风格（Ocean World、Desert Sands、Stone Age、B&W film 等）并描述角色后，Genie 会生成以该地点为起点的可探索场景，目前仅支持美国境内地点。

5月16日周六
  1. Google DeepMind48

    Google DeepMind 与新加坡政府启动国家 AI 合作，聚焦医疗、科研与教育

    Google DeepMind 与新加坡政府启动国家 AI 合作，聚焦医疗与生命科学、科学发现和教育。合作预计到 2040 年通过加快 R&D 为新加坡额外创造 33 亿新元（25 亿美元）经济价值。其将向所有中小学至初级学院教育者提供 Gemini for Education，并与 SG Enable 测试基于 Gemma 的低视力跑者辅助工具。

  3. Google DeepMind87

    Google DeepMind 发布 Gemini 3.5 系列，3.5 Flash 今日上线

    Google DeepMind 发布 Gemini 3.5 模型系列，首个上线的是 3.5 Flash，已在 Gemini 应用、搜索 AI Mode、Gemini API、Google AI Studio、Android Studio 和 Google Antigravity 中可用。

    推荐理由：开发者可在 Google Antigravity 或 Gemini API 里调用 3.5 Flash，先替自己跑一遍长周期编码和多步 Agent 任务，再人工复核结果。

5月13日周三
5月5日周二
5月4日周一
4月30日周四
4月28日周二
4月22日周三
  1. Google Research74

    Google Research 提出 ReasoningBank 记忆框架，让智能体从成功与失败经验中学习

    Google Research 在 ICLR 论文中提出智能体记忆框架 ReasoningBank，把成功和失败轨迹都蒸馏成结构化记忆，供智能体在测试时自我进化。

    推荐理由：做长任务智能体的团队可以参考论文把成功与失败轨迹都蒸馏成记忆条目，先对照开源代码在自有基准上跑一轮对比。