Google DeepMind 发布 Gemini Robotics-ER 1.6，强化机器人具身推理能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，在指向、计数、成功检测等空间与物理推理能力上较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 有明显提升。
Google DeepMindAI 评分5757
Google ResearchAI 评分4242 Google Research 推出 ConvApparel：量化并弥合用户模拟器的真实感差距
Google Research 推出 ConvApparel 数据集，包含 4,000 多段服装购物领域的人机多轮对话（近 15,000 轮），用于量化 LLM 用户模拟器与真实人类行为的真实感差距。
Google ResearchAI 评分4242 Google Research 发布 PaperVizAgent 与 ScholarPeer 两个 AI 智能体，改进学术论文图表与同行评审
Google Research 推出两个学术智能体框架：PaperVizAgent（前身 PaperBanana）用于从论文文本生成出版级学术图表，ScholarPeer 用于自动化同行评审。
Google ResearchAI 评分4444 Google Research 评估 LLM 行为倾向的对齐性
Google Research 提出一个评估 LLM 行为倾向与人类对齐程度的框架，基于 IRI、ERQ 等心理学量表生成情景判断测试（SJT），比较模型与 550 名参与者（每个 SJT 10 名标注者）的偏好分布。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemma 4 开源模型，含 E2B/E4B、26B MoE 与 31B Dense 四种尺寸
Google DeepMind 发布 Gemma 4 开源模型，称其为迄今最智能的开放模型，采用 Apache 2.0 许可，提供 E2B、E4B、26B MoE 和 31B Dense 四种尺寸。
推荐理由：官方发布给出四个尺寸、榜单名次、上下文长度与部署路径等具体信息，读者可据此评估选型和端侧部署方案。
Google ResearchAI 评分4747 Google Research 研究：构建更好的 AI 评测基准需要多少标注者？
Google Research 在论文 "Forest vs Tree: The (N,K) Trade-off in Reproducible ML Evaluation" 中研究了评测基准中条目数量与每条标注者人数的权衡。
Google ResearchAI 评分5454 Google Research 发布白皮书评估量子计算机破解加密货币椭圆曲线加密所需资源
Google Quantum AI 团队在白皮书中更新了破解 ECDLP-256 的量子资源估算，给出两种 Shor 算法电路，分别使用不到 1,200 逻辑比特和 9,000 万 Toffoli 门、不到 1,450 逻辑比特和 7,000 万 Toffoli 门，并估计在超导量子计算机上以不到 50 万物理比特数分钟内完成，所需物理比特较此前估算降低约 20 倍。
Google DeepMind精选AI 评分6060 Google DeepMind 推出 Gemini 驱动的 AI 智能指针并落地 Chrome 与 Googlebook
Google DeepMind 发布由 Gemini 驱动的实验性 AI 智能指针，提出维持流程、所见即所指、用 This/That 简化指令、把像素变成可交互实体四项交互原则，让 AI 理解用户指向的内容与意图。
推荐理由：原文给出交互原则和已在 Chrome 与 Googlebook 落地的入口，读者可据此评估指向式 AI 交互对现有提示词工作流的影响。
Google ResearchAI 评分5454 Google 发布 Vibe Coding XR 工作流，用 Gemini 与 XR Blocks 将自然语言转为 Android XR 应用
Google 发布 Vibe Coding XR 工作流，结合 Gemini 与基于 WebXR、three.js、LiteRT.js 的开源 XR Blocks 框架，可将自然语言在 60 秒内转为支持物理效果的 Android XR 应用。
Google ResearchAI 评分4444 Google 发布 TurboQuant：以极致压缩重新定义 AI 效率
Google 推出 TurboQuant 压缩算法（ICLR 2026），在零精度损失下大幅缩减模型体积，同时支持 KV cache 压缩和向量搜索。其核心依赖 QJL 的零开销 1-bit 技巧与 PolarQuant 的极坐标压缩，消除了传统向量量化每数字 1-2 bit 的内存开销。
Google ResearchAI 评分3737 Google Research 的 S2Vec 如何学习现代城市的“语言”
Google Research 在 Earth AI 计划下推出 S2Vec，一个自监督框架，可将建筑环境转化为通用嵌入向量。它先用 S2 Geometry 将地球表面划分为分层 cell，再把特征栅格化为多层图像，并通过掩码自编码（MAE）无需人工标签地学习位置特征。
Google Research精选AI 评分7474 Google 与 NHS 发布 AIMS 研究：AI 乳腺癌筛查在双读流程中达到非劣效并大幅减少人工读片量
Google Research 与多家 NHS 机构合作开展 AIMS 研究，两项发表于 Nature Cancer 的研究评估 AI 乳腺癌检测系统。
推荐理由：Google 与 NHS 合作的两项 Nature Cancer 研究给出 AI 乳腺筛查的实测数据与人机工作流对比，读者可了解落地中的真实瓶颈。
Google ResearchAI 评分5050 Google 与 Cornell 测试六个 LLM 回答高温超导研究问题，NotebookLM 与自建 RAG 系统表现最佳
Google Research 与 Cornell 合作在 PNAS 发表论文，让 GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 和自建 RAG 系统回答 67 个铜氧化物高温超导专家问题，由专家按 0 到 2 分多指标盲评。
Google Research精选AI 评分6262 Google 在 Flood Hub 推出 AI 驱动的城市山洪预报，可提前 24 小时预测
Google 宣布在 Flood Hub 上线 Urban Flash Flood 预报，用 AI 方法提前最多 24 小时预测城市山洪风险。其 Groundsource 方法用 Gemini 分析公开新闻报道构建历史山洪数据集，训练基于 LSTM 的 RNN 模型，仅依赖全球气象产品即可运行，空间分辨率 20x20 公里，覆盖人口密度大于每平方公里 100 人的城市区域。
推荐理由：原文给出模型方法、精度数据和与 NWS 的对比，读者可了解 AI 山洪预报在缺监测地区的实际表现。
Google Research精选AI 评分6060 Google 发布 Groundsource：用 Gemini 将新闻报道转化为灾害历史数据
Google 发布 Groundsource，利用 Gemini 从 80 种语言的新闻中提取结构化洪水事件数据，构建覆盖 150 多个国家、2000 年至今的 260 万条城市山洪记录并开放获取。
推荐理由：原文给出方法细节、准确率数字和开放数据入口，读者可据此评估 LLM 构建灾害历史数据集的可复用路径。
Google Research精选AI 评分6565 Google AMIE 完成真实基层医疗前瞻性可行性研究
Google Research 与 Beth Israel Deaconess Medical Center 合作开展 AMIE 对话式诊断 AI 的前瞻性单中心可行性研究，100 名成人患者在基层门诊就诊前与 AMIE 进行受监督的病史采集对话。
推荐理由：原文给出真实门诊环境中 AMIE 的安全性、诊断准确率和医患体验数据，读者可据此了解对话式医疗 AI 落地的实际证据。
Google ResearchAI 评分5959 Google Research 发布 WAXAL：覆盖 27 种撒哈拉以南非洲语言的大规模开放语音数据集
Google Research 发布开放语音数据集 WAXAL，覆盖 27 种撒哈拉以南非洲语言，使用者超过 1 亿人、分布于 26 个国家。数据集包含约 1,846 小时经转写的自然语音（WAXAL-ASR，采用图像提示引发自发语音）和超过 565 小时高保真 TTS 录音，以 CC-BY-4.0 许可开放，由 Makerere 大学、加纳大学等非洲学术与社区组织主导采集。