Google Research 提出 Diffusion Controller 框架，将去噪过程重构为连续控制问题，用轻量级"转向阻尼"网络在不改动基座模型的情况下引导生成。基于 Stable Diffusion v1.4 的实验用 HPS-v2 评测，涵盖 SFT、RWL 和 PPO 三种微调方式，其完全解锁版本相对基线模型达到 90% 胜率，并且能在不接触底层代码的情况下控制闭源模型。
本文演示在 Amazon SageMaker HyperPod 上用开源 RL 框架 SkyRL 训练 Qwen3-VL-8B 视觉语言模型完成视觉迷宫导航任务。
Google Research 推出 AI 视频联合导演研究，基于 Gemini 和 Veo 构建统一多智能体框架，包含 Co-Director、CANVAS、A²RD 和 VQQA 四套框架，将长视频生成建模为全局优化与世界状态跟踪问题。
Google DeepMind 在 Gemini 3.8 Live 发布一周后推出 Live Avatar 功能，为对话模型带来近实时的视频形象。
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，覆盖 100 多种语言和方言，支持从 30 秒音频样本复刻声音、逐行导演表演节奏以及原生双说话人场景编排。
推荐理由：官方发布说明了两个 TTS 模型的定位、评测成绩和语音设计能力，开发者可以直接对照评测与入口评估是否接入。
Google Research 推出 MilleMiglia，一个用 C++ 编写的实例生成器，可为中程（middle-mile）物流配送问题创建逼真的基准数据，源代码和文档已在 GitHub 上开源。中程物流负责区域或洲际尺度上配送中心之间的大宗货物运输，占总物流成本的相当大比例，但因数据敏感长期缺乏公开高质量数据。该工具将问题建模为时空图上的多商品流问题，可生成保护隐私的数据以支持后续研究。
Google Research 发布新研究实验，让教育者借助生成式 UI（GenUI）动态生成符合教学目标的定制化互动学习模拟。目前已开放超过 30 个覆盖物理、化学、生物和数学的英语 STEM 学习互动样本，面向初高中，均由 AI 生成并经教师审核。
Emerald AI、Google 与 NVIDIA 宣布成立 AI Energy Management Alliance（AEMA），推动数据中心根据电网状况动态调整用电。
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train 框架，通过离线 RL 将奖励对齐的查询 fan-out 编译为监督信号，蒸馏进 53.9M 参数的扩散检索器，实现单次非自回归查询扩展，免去测试时的 CoT 思考 token 开销。
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款语音对话模型，主打近实时推理与语音智能体。
推荐理由：官方给出两款语音对话模型的评测成绩、语言与工具调用能力和开放入口，读者可据此评估其用于语音智能体开发的适配度。
Google Research 在 ACL 2026 提出 ToolGrad，采用“先答案后提问”的范式生成工具使用训练数据，通过文本“梯度”迭代构建 API 调用链，几乎达到 100% 通过率且成本更低。
Google DeepMind 于 9 月 8 日发布 AlphaGenome Atlas，包含人类基因组约 90 亿个单核苷酸变异的分子效应预测，数据集达 1 PB，是 AlphaFold Database 的 30 多倍。
推荐理由：原文给出平台规模、AVI 评分构成和免费学术入口，读者可据此评估它在变异解读和罕见病研究中的用法。
Google Research 评估了将基于 UK Biobank 数十万欧洲个体训练的多基因风险分数（PRS）迁移到 Biobank Japan 约 20 万日本个体样本的效果，覆盖 BMI、血压、HDL、LDL、血糖等 8 项临床性状。
Google Research 与 HHMI Janelia、MRC 分子生物学实验室及剑桥大学等合作，在 Cell 发表雄性果蝇大脑与中枢神经系统的完整连接组，包含超过 166,000 个神经元和 1.25 亿个突触连接，是目前按神经元数量计最大的大脑图谱。
推荐理由：官方团队说明了这份连接组图谱的规模、验证方式和可视化工具，读者可以了解它与雌性图谱互补后的研究用途。
Google DeepMind 与 Google Research 发布 WeatherNext 3，官方称其为迄今最先进准确的全球天气 AI 模型。
推荐理由：原文给出分辨率、更新频率和降水准确率等具体指标，并说明如何接入 Google 产品与数据平台，可据此评估应用场景。
Google 推出 Fairwind Program，向政府机构、Google Cloud 客户和网络安全合作伙伴提供先进网络防御能力。该计划将专用模型 Gemini 3.8 Flash Cyber 与 CodeMender 结合，可自主查找、验证并修复漏洞，在几分钟内生成可直接部署的补丁，运营成本远低于传统前沿模型。
Google 与 NASA JPL 在 PNAS 发表 MAPL-EMIT，一个基于 Swin-S vision transformer 的深度学习框架，用 EMIT 高光谱数据自动检测、量化并定位全球甲烷羽流。
Google DeepMind 发布 agentic video understanding 功能，覆盖 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite，通过智能体循环动态搜索和检视视频片段，替代固定帧率的静态处理。
推荐理由：官方公布了具体降本增效数字和 API 启用方式，开发者可据此评估长视频分析的成本与精度取舍。
Google 发布时序基础模型 TimesFM-3，原生支持多变量零样本预测，参数量 330M，预训练语料包含超过 1 万亿时间点。模型采用 decoder-only Transformer 与交替注意力架构，通过 Contiguous Patch Masking 在单次前向传播中生成完整预测区间，并为每个目标输出 10% 到 90% 共 9 个分位数。
Google Earth AI 推出实验性研究能力行星预测引擎（PPE），可从自然语言查询出发自主完成数据发现、特征工程、模型训练与评估的完整地理空间预测流程，将原本需数周的人工建模缩短到数分钟。
Google DeepMind 推出 Gemini Omni 1.1 Flash，通过 Gemini API 在 Google AI Studio 提供面向专业制作的生成视频能力。
推荐理由：官方公告给出了每项视频控制能力的具体参数与使用入口，开发者可据此评估是否接入现有生成视频工作流。
Google DeepMind 推出全球首个针对专有前沿 AI 模型的双盲评估，将外部评测限制在密码学安全的隔离环境中，防止模型提前接触测试题造成基准污染。Gemini Flash Lite 模型将与 Singapore AI Safety Institute、OpenMined、AVERI 和 MLCommons 合作，在隐私保护环境下测试机密基准。
Google Research 推出 GlucoFM，一个自监督双流架构的连续血糖监测（CGM）基础模型，将缓慢血糖趋势与短期波动分开建模。该模型在 109,066 小时无标注 CGM 数据上预训练，在 4 个队列、7 项临床预测任务共 14 项评估中，平均 PR-AUC 比最强基线 GluFormer 高 5.8 个百分点，并在餐后血糖反应预测中取得最低 MAE。
Google DeepMind 推出 Gemini 3.5 Transcribe，定位为其最精准的实时语音转写模型，可清理语气词、自动格式化并识别自定义词表。
推荐理由：官方发布带具体 WER、延迟和 API 形态，开发者可据此评估语音转写与语音交互方案的选型。
Google 在 CHI 2026 发表 AgentHands，一个让 XR 中 AI 智能体生成与语音同步的 3D 手部手势的研究原型。系统由环境感知、手势事件库、手势嵌入推理和同步 XR 执行四个模块组成，将 LLM 输出映射为精准的空间动作。在 12 人被试内实验中，与纯语音基线相比，该手势显著提升了空间指代与交互效果。
Google Research 推出 Biomarker Discovery Framework，一个在人类监督下迭代筛选可穿戴设备数据候选生物标志物的多智能体系统，结合假设生成、统计检验、对抗性验证与文献推理。
Google DeepMind 梳理其自 2010 年以来以游戏驱动 AI 研究的历程：DQN 掌握 49 款 Atari 2600 游戏，AlphaGo 2016 年击败李世石。
Google Research 推出 Mobility-Embedded POIs（ME-POIs）框架，将聚合、匿名的出行模式融入 Gemini 等语言模型生成的地点表示，捕捉 POI 的时间活动节奏。
Google Research 提出 PhotoScan，一个研究性质的深度学习框架，可从普通 2D 智能手机照片估计体脂率（BF%）、Android-to-Gynoid 脂肪比（A/G）和内脏-皮下脂肪比（V/S）等三维身体成分指标。
Google DeepMind 发布 Gemini 3.7 Flash，称其为迄今最智能的编码与 Agent 主力模型，距 Gemini 3.6 Flash 仅三周。
推荐理由：官方公布性能数据与新定价，开发者可对照基准数字和价格判断是否迁移现有工作流。
Google DeepMind 发布多语言手语转文本（SL2T）模型，为 Gboard 和 Live Transcribe 带来手语转文字输入，率先支持 Pixel 11 上的 ASL 转英语。
推荐理由：官方说明模型训练规模、基准成绩和隐私设计，读者可了解手语翻译落地的技术路径与现存限制。
Google Research 发布 knowledge profiling 行为框架和 WikiProfile 基准（2,150 条 Wikipedia 事实，每条配 10 个任务），评估 13 个 LLM。
推荐理由：原文用知识画像方法区分编码与召回失败，给出 frontier 模型事实错误主因是召回的关键数据。
Google Research 推出 AMIE (Video)，基于 Gemini 和 Project Astra 的实时视频临床问诊系统，采用 Talker、Planner、Perception 三个并行智能体的异步架构。
推荐理由：原文给出多智能体架构设计与大规模随机对照评估结果，读者可以了解实时音视频临床 AI 的实现路径与现有局限。
Google DeepMind 在 Nature 发表论文并开源 WeatherNext 2 和 WeatherNext Cyclones 模型，称其对气旋路径、强度和风结构的预报平均比现有模型多出约 24 小时提前量，相当于约十年气象学进展。
推荐理由：官方同时放出 Nature 论文与模型权重，读者可按论文结果自行复用或验证这套气旋预报方法。
Google Research 发布 Chain-of-Evidence 可验证性框架及其实例 Science One Framework，配套 CoE Audit 自动审计指标。
Google DeepMind 发布具身推理模型 Gemini Robotics ER 2，作为机器人的高层大脑，可编排多步任务并把执行交给 VLA 模型或其他底层控制接口。
推荐理由：官方公布了视频理解、任务编排和多机器人协作等具体能力与基准数字，可据此了解具身推理模型的进展方向。
Google DeepMind 推出新一代音乐生成模型 Lyria 3.5，现已在 Google Flow Music 中上线。新模型改进了音乐性，可生成更丰富自然的旋律结构；歌词质量和提示词遵循度更高；人声更真实、更具情感表达且发音更准。用户还可更方便地控制生成音乐的节奏和时长。
Google DeepMind 发布 Gemini Robotics 2 系列机器人模型，包含 VLA 模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和端侧模型 Gemini Robotics On-Device 2。
推荐理由：官方一次性放出 VLA、具身推理和端侧三个机器人模型，读者可以借此了解全身控制、灵巧操作与多机协作的具体进展。
Google Research 发布 SymptomAI 研究，13,917 名参与者与五个 Gemini Flash 2.0 症状评估智能体对话进行鉴别诊断。临床专家在超过 50% 的案例中更偏好 SymptomAI 的 DDx，所有主动追问策略均显著优于用户驱动的 Base 条件，且诊断结果与参与者 Fitbit 佩戴设备生理信号变化相关。研究强调所有诊断仅供研究分析，不构成临床诊断。
推荐理由：原文给出真实人群随机研究和临床对照结果，读者可了解对话式症状评估在非理想化场景下的实际表现。
Google Research 在 Nature 发表论文，用强化学习智能体从量子纠错的错误检测事件中学习，在计算不停机的情况下持续调控数千个控制参数，抵御硬件漂移。