用 Project Genie 和 Street View 模拟真实世界场景
Google 在 Project Genie 中接入 Street View 真实街景图像，生成式世界模型可基于美国真实地点生成互动虚拟环境。该功能通过 Maps Imagery Grounding 技术实现，用户可选风格（如"Ocean World"、"B&W film"）并描述角色，Genie 创建锚定真实街景的想象世界。
#多模态
#多模态
今日 16 条Google DeepMindAI 评分4646 Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini Omni Flash
Google DeepMind 发布 Gemini Omni Flash，支持图像音频视频文本多模态输入生成视频并通过自然语言对话编辑，模型融合物理理解与世界知识推理。该模型今日起面向 Gemini app、Google Flow 及 YouTube Shorts 开放，所有视频均带有 SynthID 数字水印。
推荐理由：Google DeepMind 发布 Gemini Omni Flash，将推理与创造能力结合，支持图像音频视频文本多模态输入生成视频并可通过对话编辑，为视频创作提供了融合物理理解与世界知识的生成新路径。
Google DeepMind精选AI 评分6262 Gemini for Science：Google 推出科学发现实验工具与 Science Skills
Google DeepMind 发布 Gemini for Science，包含 Google Labs 三款实验工具（Hypothesis Generation、Computational Discovery、Literature Insights）和桌面端 Science Skills。
推荐理由：原文给出三款实验工具与企业预览入口，读者可据此评估自身研究工作流是否适配。
Sebastian RaschkaAI 评分4848 Gemma 4、Laguna XS.2、ZAYA1-8B 与 DeepSeek V4 的架构进展：KV 共享、mHC 与压缩注意力
Gemma 4 E2B/E4B 采用跨层 KV 共享以缩减长上下文缓存；Laguna XS.2 引入逐层注意力预算分配；ZAYA1-8B 使用压缩卷积注意力；DeepSeek V4 结合 mHC 与压缩注意力。原文聚焦 Transformer 块、残差流、KV 缓存与注意力计算部分，未涉及数据集、训练计划或 benchmark 对比。
Google DeepMindAI 评分3232 Google DeepMind 与新加坡政府启动国家 AI 合作计划
Google DeepMind 在新加坡启动国家 AI 合作计划，聚焦医疗、教育与科研。合作包含 AI co-clinician 研究、AlphaFold 等 AI for Science 工具、Gemma 跑鞋助手、Gemini for Education 全校覆盖，以及与 IMDA 和 MLCommons 共建多模态安全基准。
Google DeepMindAI 评分3939 Google DeepMind 推出 Co-Scientist 助力分子开关研究
summary_zh: 剑桥大学 Clare Bryant 教授使用 Google DeepMind 的 Co-Scientist 工具研究病原体跨物种传播引发败血症等疾病的分子开关。
Google DeepMind精选AI 评分7373 WeatherNext助力美国国家飓风中心提前5天预测飓风Melissa在牙买加的5级登陆
Google DeepMind与Google Research开发的AI天气模型WeatherNext在2025年10月飓风Melissa登陆牙买加前5天预测其将达到5级强度，置信度80%，3天前升至近100%。
推荐理由：WeatherNext在飓风Melissa登陆前5天以80%置信度预测出5级强度，为防灾争取了关键准备时间。
Together AIAI 评分5858 Violin：开源视频翻译工具打破语言壁垒
Together AI 发布开源视频翻译工具 Violin，集成 Whisper V3 转录、DeepSeek V4 Pro 翻译和 Cartesia Sonic 3 语音合成，并提供视频内容问答与自然语言选音功能。工具以 MIT 许可证开源，包含 Web 应用、CLI 和 Agent 技能，演示视频 24 小时后删除。
ScienceDaily · AIAI 评分6262 自然说话中的停顿与填充词或可揭示早期痴呆风险
Baycrest、多伦多大学和约克大学的研究显示，日常对话中的停顿、填充词（uh/um）及取词困难与执行功能显著相关，AI 分析语音可预测认知测试表现，且不受年龄、性别和教育程度影响。研究者认为自然语音或成为比传统纸笔测试更易重复的认知筛查工具，但需长期研究区分正常老化与疾病早期信号。
Google ResearchAI 评分3838 Google Research 通过全球合作伙伴关系与开放资源推动科学影响
summary_zh: Google Research 强调开源软件与开放数据集是现代科学的驱动力，通过与 UCSC Genomics Institute、Janelia、ISTA、CSIRO、AIIMS 及 Human Pangenome Research Consortium 等机构合作推动科学进步。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 AI co-clinician 研究倡议
Google DeepMind 在 Science 发表 AI co-clinician 研究，提出三方照护框架，由医生监督下的 AI 代理辅助患者。在 98 个初级保健查询中系统仅 1 例出现关键错误，并在 OpenFDA RxQA 开放问答中超越前沿模型。
推荐理由：双盲评估与随机模拟实验为医疗AI协作提供了可复现的验证框架，读者可借此理解多模态能力边界与安全架构的设计取舍。
Together AI精选AI 评分6060 Together AI 在 Day 0 推出 NVIDIA Nemotron 3 Nano Omni
NVIDIA Nemotron 3 Nano Omni 现已上线 Together AI 平台，这是一款支持视频、图像、音频和语言的多模态开放模型。其 30B A3B MoE 架构每次激活约 3B 参数，支持最多 256K tokens 的共享多模态上下文，并在单一推理循环中完成跨模态推理。
推荐理由：单一模型统一多模态推理降低了多模型拼接的复杂度，对构建多模态智能体系统的开发者具有直接参考价值。
Google ResearchAI 评分5353 Google Photos Auto Frame 新增基于 3D 场景理解的照片重构图功能
Google Research 发布了一种照片重构图方法，现已集成到 Google Photos 的 Auto Frame 功能中。该方法通过 3D 点图估计和生成式潜在扩散模型，在改变相机位姿与焦距后自动补全原本未拍摄到的内容，并针对人像自动检测广角畸变、恢复自然比例。
ScienceDaily · AIAI 评分6060 打印人工神经元成功与活体脑细胞通信
西北大学工程师用可打印的 MoS2 和石墨烯电子墨水在柔性聚合物上制造人工神经元，通过部分分解聚合物形成窄导电路径，产生类似神经元放电的电信号。实验显示这些信号在小鼠小脑切片上匹配生物神经元的时间与形状特征，可靠激活真实神经回路。研究发表于 Nature Nanotechnology，作者指出该技术有望推动脑机接口、神经假体及能效更高的类脑计算硬件。
Google ResearchAI 评分3434 Google Research 推出 Vantage 实验，用生成式 AI 评估未来必备技能
summary_zh: Google Research 发布 Vantage 实验，通过生成式 AI 在模拟环境中评估批判性思维、协作与创造性思维等未来必备技能。
ScienceDaily · AIAI 评分6464 USC团队发布耐高温1300°F记忆体，可运行于700°C并加速AI矩阵运算
USC研究团队在Science发表新型memristor记忆体，可在700°C持续工作超50小时且经历逾10亿次开关循环。器件采用钨电极、铪氧化物陶瓷与石墨烯层，利用石墨烯阻隔钨原子迁移以防止短路。研究指出该原理可迁移至其他材料，并已成立TetraMem公司推进商业化，但高温逻辑电路与量产仍待开发。
Google DeepMind精选AI 评分8282 Gemma 4 发布：字节级对齐的最强开源模型家族
Google DeepMind 发布 Gemma 4 开源模型家族，提供 Effective 2B、Effective 4B、26B MoE 与 31B Dense 四种规格，31B 在 Arena AI 文本榜位列全球第 3，26B 位列第 6。模型原生支持多模态、函数调用、128K–256K 上下文与 140+ 语言，并采用 Apache 2.0 许可证。
推荐理由：原文给出 Gemma 4 四种规格与 Arena 排名，读者可据此评估本地部署与边缘场景的可行性。
ScienceDaily · AIAI 评分3636 DNA 机器人可在体内递送药物并猎杀病毒
summary_zh: DNA 纳米机器人可在血液中精准递送药物、靶向癌细胞与病毒，并组装纳米级数据存储与计算设备。研究人员利用 DNA 链置换、生物化学燃料信号及外部电场/磁场/光控等方式调控其运动。
Google DeepMindAI 评分5656 Google DeepMind 推出 AI 智能指针，重新构想鼠标交互
Google DeepMind 发布由 Gemini 驱动的实验性 AI 指针，旨在让指针理解用户所指的视觉与语义上下文，减少繁琐提示词。
Google ResearchAI 评分4242 映射现代世界：S2Vec 如何学习城市的语言
Google Research 推出 S2Vec，一个自监督框架，通过将城市地理空间数据栅格化为多层图像并使用掩码自编码学习通用嵌入向量。在社会经济预测任务的零样本地理外推上，S2Vec 表现优于 SATCLIP、GEOCLIP、RS-MaMMUT、Hex2vec 和 GeoVeX 等基线模型。但在树冠覆盖率和海拔等环境任务上仍有明显改进空间。
Sebastian RaschkaAI 评分4646 大语言模型注意力变体视觉指南
Sebastian Raschka 整理了大语言模型注意力变体图库，包含 45 个架构条目，每个条目配有可视化模型卡片，并提供海报版本。文章内容涵盖多头注意力（MHA）等核心注意力机制，以 GPT-2、OLMo 2 7B、OLMo 3 7B 等架构为例进行说明。该图库旨在作为参考资料和轻量学习资源。
Google ResearchAI 评分5757 Google Research 在 The Check Up 上发布多项医疗 AI 研究进展
Google Research 在 The Check Up 活动中公布多项医疗 AI 成果，包括与 Fitbit 合作开发的 Personal Health Agent、与 Imperial College London 和 NHS 合作提升乳腺癌检测、并识别 25% 此前被漏诊的 interval cancers。
Google Research精选AI 评分6767 Google Research：机器学习改进乳腺X光筛查工作流程
Google Research与多家NHS机构合作，在Nature Cancer发表两项互补研究，评估AI乳腺X光筛查系统。
推荐理由：两项Nature Cancer研究显示AI在乳腺X光筛查中可减少约四成人工阅读工作量，同时保持与双读流程相当的灵敏度。
Mistral AI精选AI 评分6969 Mistral AI 发布 Mistral Small 4
Mistral AI 发布 Mistral Small 4，统一推理、多模态与编码能力，Apache 2.0 开源许可。模型采用 MoE 架构，119B 总参数含 6B 激活参数，支持 256k 上下文，延迟优化下完成时间减少 40%、吞吐优化下每秒请求数提升 3 倍。来源：https://mistral.ai/news/mistral-small-4/
推荐理由：Mistral Small 4 将推理、多模态与编码能力整合进单一开源模型，用户无需在多个专用模型间切换即可处理复杂任务与文档分析。
ScienceDaily · AIAI 评分3131 科学家发现AI能提升人类创造力
斯旺西大学一项超过800人参与的在线实验显示，使用AI支持系统设计虚拟汽车时，受试者花更多时间、产出更好设计且参与感更强。系统采用MAP-Elites方法生成包含高效、非常规乃至故意缺陷方案的视觉画廊，多样化输出帮助参与者突破初始假设并鼓励冒险。
Together AIAI 评分4747 Together AI 在 NVIDIA GTC 2026 发布多项创新，涵盖推理优化与语音 AI 能力
Together AI 在 NVIDIA GTC 2026 宣布多项合作与模型上线，包括集成 NVIDIA Dynamo 1.0 推理框架、通过 NemoClaw 提供超 150 个优化模型、上线 NVIDIA Nemotron 3 Super（120B 参数、1M 上下文窗口）以及 NVIDIA Parakeet TDT 0.6B V3 ASR 模型。
Sebastian RaschkaAI 评分3737 开源权重 LLM 架构观察：2026 年 1-2 月发布的 10 个模型
summary_zh: Arcee AI 发布 Trinity Large（400B MoE，13B 激活参数），采用 SWA、QK-Norm、NoPE 与门控注意力。
ScienceDaily · AIAI 评分6767 Prima AI 系统可在数秒内读取脑部 MRI 并标记急症
密歇根大学团队开发的 Prima 视觉语言模型在 30,000 份 MRI 研究中准确率约 97.5%，并能判断紧急程度、自动通知相应专科医生。该模型使用 20 万份 MRI 和 560 万序列训练，整合临床病史与医嘱信息，研究发表于 Nature Biomedical Engineering。
ScienceDaily · AIAI 评分3535 宾州州立团队开发可编程智能合成皮肤，可隐藏图像并改变形状
宾州州立 Hongtao Sun 团队利用水凝胶和半色调编码 4D 打印技术，开发出可编程智能合成皮肤。该材料可通过热、溶剂或机械刺激改变外观、质地和形状，并能将图像编码进材料内：乙醇中透明，加热水或冰水后隐藏图像显现。单个薄片即可同时控制外观与形变，无需多层结构。
ScienceDaily · AIAI 评分6060 斯坦福团队展示微透镜光腔阵列，实现千级光腔量子比特并行读出
斯坦福大学物理学家团队在 Nature 发表论文，展示由 40 个光腔组成的阵列及超过 500 个光腔的原型，每个光腔容纳单个原子量子比特，通过微透镜将光聚焦到单个原子上，实现并行读出。研究指出该方案可扩展至百万量子比特的光腔网络，为分布式量子计算和量子数据中心提供基础。
ScienceDaily · AIAI 评分6262 研究人员对10万人测试AI与人类创造力
蒙特利尔大学Karim Jerbi教授与Yoshua Bengio等合作在Scientific Reports发表研究，使用Divergent Association Task对比GPT-4、Claude、Gemini等模型与超过10万人的创造力表现。部分AI系统在发散语言创造力任务上超过人类平均，但最富创造力的人类仍显著优于所有AI模型。研究还发现AI创造力可通过温度参数和提示词调整。
ScienceDaily · AIAI 评分6969 CytoDiffusion：AI系统识别医生常漏报的血细胞异常
剑桥大学等机构研究团队在Nature Machine Intelligence发表CytoDiffusion，基于生成式AI分析血涂片图像，在白血病异常细胞检测上敏感度高于现有系统，并在不确定时主动回避错误判断。
Berkeley AI ResearchAI 评分3232 Information-Driven Design of Imaging Systems
伯克利 AI 研究提出基于信息量的成像系统直接评估与优化框架，用噪声测量估计互信息以统一分辨率、噪声等质量指标。在颜色摄影、射电天文、无透镜成像和显微镜四个领域验证，信息估计可预测解码器性能并指导设计优化，比端到端方法需更少内存与计算，且无需任务特定解码器。
ScienceDaily · AIAI 评分7575 Stanford SleepFM：从单夜睡眠信号预测百余种疾病风险
Stanford Medicine与合作者开发SleepFM，基于约60万小时多导睡眠图数据训练，可从单夜睡眠信号估计100多种疾病的未来风险。模型在预测帕金森病（C-index 0.89）、痴呆（0.85）、高血压心脏病（0.84）、心梗（0.81）、前列腺癌（0.89）、乳腺癌（0.87）和死亡（0.84）等方面表现突出；结合多通道信号时准确性最高。
ScienceDaily · AIAI 评分3434 不到万亿分之一秒：超快紫外光可能变革通信与成像
研究团队开发出可产生并探测飞秒级UV-C激光脉冲的平台，结合超快UV-C光源与基于二维半导体（GaSe/Ga2O3）的探测器，在室温下工作。所有材料兼容规模化制造，自由空间通信验证成功，传感器还表现出线性到超线性光电响应。
Sebastian RaschkaAI 评分1212 LLM Research Papers: The 2025 List (July to December)
Sebastian Raschka 整理了 2025 年 7 月至 12 月的 LLM 研究论文列表，涵盖推理模型、RLHF、推理时扩展、架构、高效训练、多模态与数据集等类别。该列表为其 Substack 付费订阅者的附加内容，正文仅浏览摘要、少数全文精读。原文未给出具体模型、参数、分数或速度倍数。
Mistral AIAI 评分5858 Mistral AI 发布 Mistral OCR 3，表单与手写识别整体胜率提升 74%
Mistral AI 发布 Mistral OCR 3，模型可通过 API（mistral-ocr-2512）或 Mistral AI Studio 中的 Document AI Playground 使用，定价为每 1,000 页 $2，Batch API 折扣后为每 1,000 页 $1。
Mistral AI精选AI 评分8787 Mistral 3 发布：涵盖 Ministral 3 与 Mistral Large 3 的开源模型家族
Mistral 3 包含 Ministral 3（3B/8B/14B）与 Mistral Large 3（41B 活跃/675B 总参数稀疏 MoE），全部 Apache 2.0 开源。
推荐理由：Mistral 3 同时覆盖从边缘到数据中心的稠密与稀疏 MoE 模型，并给出 NVFP4 checkpoint 与多平台部署入口，读者可据此评估自托管与云端方案的成本与性能取舍。
Meta Engineering · AIAI 评分2525 Meta 3D AssetGen：用 AI 生成 3D 世界的基础模型
summary_zh: Meta 发布 3D AssetGen 基础模型，目标是从简单文本提示生成完整 3D 世界。Meta XR Tech 团队在 Meta Tech Podcast 中介绍其训练方式，并讨论 LLM 在 VR 中的角色。
Berkeley AI ResearchAI 评分4040 word2vec 到底学到了什么？
word2vec 在小初始化下以离散、顺序的步骤学习，每次步骤增加嵌入矩阵的秩，最终学习结果等价于对目标矩阵 M* 做 PCA。目标矩阵 M* 由语料共现概率定义，其 top 特征向量对应名人传记、政府行政、地理描述等可解释主题。该理论在温和近似条件下闭合可解，与数值实验吻合良好。