Google DeepMind 发布 Google Antigravity 智能开发平台
Google DeepMind 发布了新的智能开发平台 Google Antigravity，该平台基于 AI 模型，旨在通过浏览器控制能力、异步交互模式和以智能体为中心的产品形态，使智能体能够自主规划并执行复杂的软件任务。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Google DeepMind精选AI 评分7272 Google Research精选AI 评分8585 Google 研究推出生成式 UI：为任何提示生成丰富、定制的视觉交互体验
Google 研究推出生成式 UI，通过 AI 模型动态创建沉浸式视觉体验和交互界面，如网页、游戏、工具和应用。该技术已在 Gemini 应用和 Google 搜索的 AI 模式中实现，为用户提供定制化的交互体验。
推荐理由：原文介绍了生成式 UI 的核心原理和效果，读者可以了解其在 Gemini 应用和 Google 搜索中的实际应用，以及其对用户体验的影响。
Google DeepMind精选AI 评分8585 DeepMind 发布 WeatherNext 2：最先进的天气预报模型
DeepMind 发布了 WeatherNext 2 模型，该模型能够提供更高效、更准确和更高分辨率的全球天气预报。模型基于新的 AI 模型架构，能够预测数百种可能的天气情况，并已在多个 Google 产品中应用。
推荐理由：原文介绍了 WeatherNext 2 模型的最新进展，包括其预测能力、技术细节和应用场景，读者可以了解该模型如何提升天气预报的准确性和效率。
Google DeepMind精选AI 评分8585 DeepMind 发布 SIMA 2：一个在虚拟 3D 世界中与您互动、推理和学习的智能体
DeepMind 发布了 SIMA 2，一个能够理解人类语言指令、进行推理、与用户对话并随时间改进自己的智能体。SIMA 2 在虚拟 3D 世界中与用户互动，展示了其在推理、泛化和自我改进方面的能力。
推荐理由：原文介绍了 SIMA 2 的能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Google Research精选AI 评分7070 谷歌研究：新的量子优化工具包
谷歌研究团队提出了一种名为 Decoded Quantum Interferometry (DQI) 的量子算法，用于解决优化问题，该算法利用量子力学中的波动性质来创建收敛于近似最优解的干涉模式。
推荐理由：原文提出了新的量子优化算法，读者可以了解其对量子计算机应用的理解提升。
Google Research精选AI 评分8585 Google Research 发布 JAX-Privacy 1.0：大规模差分隐私机器学习工具
Google Research 发布了 JAX-Privacy 1.0，这是一个用于构建和审计差分隐私模型的工具包，旨在简化大规模机器学习中的隐私保护。
推荐理由：JAX-Privacy 1.0 的发布为大规模机器学习中的差分隐私提供了强大的工具，有助于推动隐私保护机器学习的研究和应用。
Google DeepMind精选AI 评分6262 DeepMind 发布论文：教 AI 更像人类地看世界
DeepMind 发布了一篇论文，分析了AI系统在视觉世界中组织方式与人类的不同，并提出了一种方法来更好地将这些系统与人类知识对齐，从而提高其鲁棒性和泛化能力。
推荐理由：该研究通过改进视觉模型的组织方式，使其更符合人类知识，从而提高AI系统的鲁棒性和泛化能力，对构建更直观和可靠的AI系统具有重要意义。
Google DeepMind精选AI 评分6565 DeepMind 发布 Gemini 和 Google Workspace 工具助力 Northern Ireland 教师提高效率
DeepMind 与 Northern Ireland Education Authority 的 C2k 程序合作，推出 Gemini 和 Google Workspace 工具的试点项目，帮助教师提高效率。教师们通过使用这些工具，平均每周节省了 10 小时的时间，并将这些时间用于学生互动和自身专业发展。试点项目展示了 Gemini 在简化行政工作、创造更具吸引力的教学内容等方面的应用。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Google Research精选AI 评分7777 Google 研究推出 Nested Learning：持续学习的新机器学习范式
Google 研究团队推出 Nested Learning，一种新的机器学习范式，旨在解决持续学习中的灾难性遗忘问题。通过实验验证了其在语言建模和长期记忆管理方面的优势。
推荐理由：Nested Learning 提出了一种新的机器学习范式，旨在解决持续学习中的灾难性遗忘问题，通过实验验证了其在语言建模和长期记忆管理方面的优势。
Google Research精选AI 评分7070 DS-STAR：一款最先进的多功能数据科学智能体
Google Research发布了一篇论文，介绍了DS-STAR，一个旨在解决数据科学问题的智能体。DS-STAR通过自动分析多种文件格式和迭代、顺序规划过程，使用基于LLM的验证系统，在多个基准测试中取得了最先进的性能。
推荐理由：DS-STAR在多个数据科学基准测试中取得了最先进的性能，展示了其在处理复杂分析和从多个数据源中提取可验证见解方面的能力。
Google Research精选AI 评分8585 利用 AI 预测森林未来：从统计损失到预测风险
Google Research 发布了 ForestCast 模型，用于预测森林砍伐风险，并提供了公开数据集，旨在推动森林保护措施的发展。
推荐理由：原文提出了 ForestCast 模型，并提供了公开数据集，有助于推动森林砍伐风险评估技术的发展。
Google Research精选AI 评分8585 Google Research 发布最新研究成果：加速研究突破与实际应用之间的循环
Google Research 在其旗舰研究活动上发布了最新研究成果，包括地球AI、DeepSomatic、Quantum Echoes等，展示了AI在地球理解、基因组学、量子计算等领域的应用和进展。
推荐理由：原文介绍了 Google Research 在多个领域的最新研究成果，包括地球AI、DeepSomatic、Quantum Echoes等，读者可以了解AI在各个领域的应用和进展。
Google Research精选AI 评分8585 Google 研究推出可证明隐私洞察系统，用于分析 AI 使用情况
Google 研究推出可证明隐私洞察系统，利用大型语言模型、差分隐私和可信执行环境分析非结构化 GenAI 数据，保证个人数据不可查见且汇总洞察匿名。
推荐理由：介绍了可证明隐私洞察（PPI）系统，该系统利用大型语言模型、差分隐私和可信执行环境来分析非结构化 GenAI 数据，同时保证个人数据不可查见且汇总洞察匿名。
Google Research精选AI 评分7070 StreetReaderAI：通过上下文感知多模态 AI 使街景可访问
Google Research 发布了 StreetReaderAI，这是一个面向视障人士的街景工具，通过上下文感知多模态 AI 和图像理解技术，为视障人士提供沉浸式的视觉体验，并开辟了新的探索可能性。
推荐理由：StreetReaderAI 是一个面向视障人士的街景工具，通过多模态 AI 和图像理解技术，为视障人士提供沉浸式的视觉体验，并开辟了新的探索可能性。
Google Research精选AI 评分6767 Google Research 发布个人健康教练功能
Google Research 发布基于 Gemini 模型的个人健康教练功能，旨在提供个性化、适应性强的健康指导，并支持睡眠、健身和健康方面的主动洞察。该功能目前为 Fitbit Premium Android 用户开放测试，并计划很快扩展到 iOS 用户。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7070 Google Cloud C4 带来 GPT OSS 在 Intel 和 Hugging Face 上的 70% TCO 提升
Google Cloud C4 虚拟机在 Intel Xeon 6 处理器上运行，与 Hugging Face 合作，展示了升级到 Google 最新 C4 虚拟机的实际价值。与上一代的 Google C3 虚拟机实例相比，总拥有成本 (TCO) 提高了 1.7 倍。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分8585 Google 发布 EmbeddingGemma，高效的嵌入模型
Google 发布了 EmbeddingGemma，一款适用于设备端使用的先进多语言嵌入模型。该模型具有紧凑的 308M 参数大小和 2K 上下文窗口，支持超过 100 种语言，在 Massive Text Embedding Benchmark (MTEB) 上是排名最高的纯文本多语言嵌入模型。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分8585 Gemma 3n 模型全面开源
Gemma 3n 模型作为一款本地运行的多模态模型，现已全面开源，支持图像、文本、音频和视频输入。模型提供两种大小，分别为 5B 和 8B 参数，且在内存效率方面有所改进，只需 2B 和 4B VRAM。模型支持 140 种语言文本和 35 种语言的多模态交互。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
OpenAI NewsAI 评分3535 ChatGPT 连接 Google Drive，实现内部知识整合与问答
ChatGPT 最新版本支持连接 Google Drive，用户可利用内部知识库回答相关问题，提升问答的上下文相关性。
OpenAI NewsAI 评分2525 ChatGPT Projects：构建上下文工作空间
ChatGPT Projects功能帮助用户组织文件、保存上下文，并保持跨工作流对话的一致性。
Hugging Face Blog精选AI 评分8585 Google 发布 Gemma 3：全新多模态、多语言、长上下文开源大语言模型
Google 发布了 Gemma 3，这是一个全新的多模态、多语言、长上下文开源大语言模型。Gemma 3 模型系列从 1B 到 27B 参数不等，支持 140 多种语言，并具有处理图像和文本的能力。
推荐理由：Gemma 3 的发布标志着 Google 在多模态、多语言大语言模型领域的最新进展，其强大的功能和开放性为读者提供了了解和评估该模型的机会。
Hugging Face Blog精选AI 评分8585 Google 发布 SigLIP 2 多语言视觉语言编码器
Google 发布了 SigLIP 2，这是一种改进的多语言视觉语言编码器，具有更好的语义理解、定位和密集特征。SigLIP 2 模型在所有模型规模的核心能力方面优于旧的 SigLIP 模型，包括零样本分类、图像-文本检索和提取视觉表示时的迁移性能。
推荐理由：SigLIP 2 模型在多语言视觉语言编码方面取得了显著进步，读者可以了解其新功能和性能提升。
Hugging Face Blog精选AI 评分6565 Google 发布 PaliGemma 2 Mix 智能体功能
Google 发布了新的 PaliGemma 2 Mix 智能体功能，包括三种不同规模和分辨率的模型，以及针对多种视觉语言任务的微调。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7070 Google 发布 PaliGemma 2 新视觉语言模型
Google 发布了新的视觉语言模型 PaliGemma 2，该模型升级了文本解码部分，并提供了多种参数规模和输入分辨率，支持下游任务的微调。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分5555 Meta Llama 3.1 405B 在 Google Cloud Vertex AI 上部署
Meta 发布了 Llama 3.1 405B，支持多语言、工具使用等能力，并提供了在 Google Cloud Vertex AI 上部署的教程。
Hugging Face Blog精选AI 评分7777 Google 发布 Gemma 2 2B、ShieldGemma 和 Gemma Scope
Google 发布了 Gemma 2 2B， ShieldGemma 和 Gemma Scope。Gemma 2 2B 是一个 2.6B 参数的版本，适用于设备端使用。ShieldGemma 是一系列安全分类器，用于开发者过滤应用程序的输入和输出。Gemma Scope 是一个针对 Gemma 2 2B 和 9B 的全面、开源的稀疏自动编码器套件。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7070 Google Cloud TPUs 现已对 Hugging Face 用户开放
Google Cloud TPUs 现已集成到 Hugging Face Inference Endpoints 和 Spaces，为 AI 开发者提供更强大的计算能力。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分8585 Google 发布 Gemma 2 开放式 LLM
Google 发布了 Gemma 2，其最新版本的开放式大型语言模型，包括 4 个开放权重模型（2 个基础模型和 2 个微调模型）。Gemma 2 基于 Google Deepmind Gemini，具有 8K 上下文长度，并在 Google Cloud TPU 上使用 JAX 和 ML Pathways 进行训练。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分8585 PaliGemma – Google 的前沿开源视觉语言模型发布
Google 发布了新的视觉语言模型 PaliGemma，包括预训练、混合和微调模型，支持多种分辨率和精度，可在 Hugging Face Hub 模型仓库中找到。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分8585 Google 发布 CodeGemma 代码大语言模型家族
Google 发布了 CodeGemma 代码大语言模型家族，包括三个版本：2B 基础模型、7B 基础模型和 7B 指令模型。这些模型在 Hugging Face Hub 上提供，并支持与 Google Cloud 和 Inference Endpoints 集成。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7272 Google 发布开源大语言模型 Gemma
Google 发布了新的开源大语言模型 Gemma，包括 2B 和 7B 参数版本，支持在 Hugging Face 平台使用，并提供了多种集成和部署方式。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7777 Hugging Face 与 Google 合作推动开放 AI 研究
Hugging Face 与 Google Cloud 合作，旨在通过开放模型和开源技术，帮助公司构建自己的 AI。合作将涵盖开放科学、开源、云和硬件领域，以促进 AI 研究的普及和 AI 技术的创新。
推荐理由：Hugging Face 与 Google 的合作将推动 AI 技术的开放和普及，对行业有重要影响。
OpenAI NewsAI 评分3535 Frontier Model Forum 任命新执行董事并设立 1000 万美元 AI Safety Fund
OpenAI 联合 Anthropic、Google 和 Microsoft 宣布 Frontier Model Forum 新任命执行董事，并设立 1000 万美元的 AI Safety Fund。
Hugging Face BlogAI 评分2828 Hugging Face ViT 模型在 Vertex AI 的部署指南
Hugging Face 展示了如何将 ViT B/16 TensorFlow 模型部署至 Google Cloud Vertex AI，实现与 Kubernetes 同等扩展性但代码量显著减少。
Hugging Face BlogAI 评分2323 Hugging Face 专家 Margaret Mitchell 谈伦理 AI 与数据偏见
Hugging Face 研究员 Margaret Mitchell 分享其在 Google 创立 Ethical AI Group 的经历，强调数据偏见对模型输出的影响。她指出 ML 团队需建立包容性文化并完善伦理评估体系，以解决如将爆炸场景误判为美景等严重偏差问题。
Hugging Face BlogAI 评分2626 BERT 101：State-of-the-Art NLP 模型详解
BERT 是 Google AI Language 于 2018 年开发的自然语言处理模型，通过双向编码解决 11+ 种常见任务。其训练基于 3.3B 词数据集，利用 Transformer 架构和 64 个 TPU 在 4 天内完成。DistilBERT 等轻量化版本运行速度提升 60%，同时保留超 95% 性能。
Hugging Face BlogAI 评分2828 使用 🤗 Transformers 微调 ViT 进行图像分类
Hugging Face 演示如何利用 🤗 datasets 加载 beans 数据集，并基于 google/vit-base-patch16-224-in21k 模型微调 Vision Transformer (ViT) 以执行图像分类任务。
OpenAI NewsAI 评分1212 OpenAI 推出 Activation Atlases 神经元可视化技术
OpenAI 与 Google 研究人员合作推出 Activation Atlases，这是一种用于可视化神经元交互所代表含义的新方法。该技术旨在帮助开发者理解 AI 系统的内部决策过程，从而识别弱点并调查故障，特别是在 AI 部署于敏感场景时提升透明度。
OpenAI NewsAI 评分2828 OpenAI 与 DeepMind 合作开发基于人类偏好学习的安全 AI 算法
OpenAI 联合 DeepMind 安全团队推出一种新算法，通过让模型判断两种行为中哪个更优来推断人类意图。该方法旨在消除人工编写目标函数的需求，避免因使用简单代理或目标定义偏差导致的不安全行为，是构建安全 AI 系统的重要一步。
OpenAI NewsAI 评分2121 OpenAI 参与 Google Brain 主导的《Concrete Problems in AI Safety》论文
OpenAI 与 Berkeley、Stanford 研究人员共同署名由 Google Brain 主导的论文《Concrete Problems in AI Safety》。该研究探讨了确保现代机器学习系统按预期运行所面临的具体安全问题。