跨栏目找相关项:同一话题的工具、提示词、论文,可能横跨数天甚至数月才凑齐。
OpenAI 一次发布 372 项数学证明，包括唯一游戏猜想
Anthropic 发布 Claude Haiku 5.5：定价对齐 GPT-6 Luna，同步下调 Sonnet 5.5 缓存读取费用
NVIDIA 与 Microsoft 联合推出 RTX Spark 与 DGX Station for Windows
OpenAI 向 ChatGPT 免费和 Go 用户推送 GPT-6 Luna，付费用户切换至 GPT-6 Sol
OpenAI 在 ChatGPT 全球推出 GPT-6 与 Intelligent UI
Anthropic 发布 Claude Haiku 5.5，主打高吞吐低成本任务
当用户的某个意图（如last_intent）尚未处理完成时，自动提示用户并继续处理该业务。
为电商平台机器人客服提供开场白、常见问题回复和结束语的话术模板参考。
智能客服机器人与访客互动的对话模板（欢迎新访客、欢迎回头客、显示常见问题等）。
服装加工合同模板，含甲乙双方信息及加工委托条款
用于合同审查场景，让大模型扮演特定行业、特定立场的合同审查专家，平衡利益与风险。
帮助分析患者症状，提供可能的诊断方向和建议，适用于初步诊断筛查。
Google Research发布AMIE (Video)，基于Gemini和Project Astra构建，采用异步多智能体架构（Talker、Planner、Perception），能在实时视频咨询中感知非言语临床线索、指导虚拟体检并进行诊断推理。
推荐理由：这是首个AI系统在实时视频临床咨询中达到专家级水平的演示，读者可以据此了解AI医疗助手的能力边界和当前局限。
Google DeepMind 发布 WeatherNext AI 天气预测模型，在 Nature 期刊发表的论文显示该模型在预测气旋路径、强度和风结构方面达到最高精度，平均可提供额外一天的预警时间，相当于十年气象进步。
推荐理由：原文给出了具体性能提升数据（一天额外预警时间）和实际应用案例（2025年飓风Melissa预报），读者可以据此判断该模型在天气预报领域的能力边界。
Google Research 发布 Science One Framework 及其 Chain-of-Evidence 框架，旨在解决 AI 生成的科研论文缺乏可验证性的问题。
推荐理由：该研究提出了一个可验证的 AI 科研框架，针对当前自主研究系统的引用幻觉和代码-文本不对齐问题给出了系统性的解决方案，并已在多个基准上验证有效。
Google DeepMind 发布 Gemini Robotics ER 2，这是其最强大的具身推理模型。该模型可调用 Google Search 等工具，支持多步骤任务自纠错，并将执行交接给低层 VLA 模型。
推荐理由：原文给出了视频理解、任务编排和多机器人协作的具体性能数据，读者可以据此了解具身智能的最新能力边界和可用入口。
Google DeepMind 发布最新音乐生成模型 Lyria 3.5，现已在 Google Flow Music 上线。该模型在音乐性、歌词质量、声乐表达和创意控制四个方面实现升级，包括更自然的复杂旋律结构、更高的提示词遵循度、更具情感表现力的歌声，以及更便捷的 tempo 和时长控制功能。
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音乐创作工作流。
Google DeepMind 发布 Gemini Robotics 2，推出了三个模型：高级 VLA 模型可控制完整人形机器人从脚到指尖的运动，实现灵巧操作如系扣子；ER 2 推理模型可处理多步骤任务并协调多机器人协作；On-Device 2 模型可在几小时内适应全新机器人形态。
推荐理由：原文给出了三个模型的具体能力描述和可用入口，读者可以据此判断 Gemini Robotics 2 与前代及竞品的具体差异。
Google 研究团队推出 SymptomAI，对话式 AI 智能体用于日常症状评估。研究通过 13,917 名参与者的随机试验，使用 Gemini Flash 2.0 模型进行端到端症状访谈和鉴别诊断。
推荐理由：研究通过 13,917 人的真实世界测试和可穿戴设备数据验证了 AI 症状评估的准确率，提供了与传统临床诊断的对照证据。
Google 在 Nature 发表研究，展示了一个强化学习框架，让智能体通过量子误差检测事件持续调整数千个控制参数，从而在计算过程中稳定量子系统。实验在 Willow 超导处理器上验证，人工注入漂移后 RL steering 将逻辑稳定性提升 3.5 倍；在专家校准后 RL 微调仍额外降低 20% 逻辑错误率。
推荐理由：给出了具体的性能提升数据（3.5 倍逻辑稳定性提升、20% 错误率下降）和两种量子码的错误率数字，读者可以直接判断该 RL 方法相比传统校准的改进幅度。
Google DeepMind 在 DOE Genesis Mission Summit 2026 上宣布投入 4000 万美元 AI tokens 和云积分。
推荐理由：原文给出了具体的 AI 工具组合、4000 万美元的具体金额和实际应用案例，读者可以据此了解美国国家级科研 AI 资助的具体形态。
Google DeepMind 发布三款新 Gemini 模型：3.6 Flash 为主打模型，输出 token 减少 17% 且成本更低，在编码、知识工作和多模态任务上性能提升。
推荐理由：提供了 3.6 Flash 相比 3.5 Flash 在编码任务上输出 token 减少 17% 的具体数据，读者可据此评估成本效益变化。
Google DeepMind 发布基于 Gemini 3.5 Flash 的轻量级网络安全模型 3.5 Flash Cyber，通过 CodeMender 代理可多次调用以分析更多代码路径。
推荐理由：原文给出了多个 benchmark 对比数据和 Google 内部实际应用案例，读者可以据此评估轻量级网络安全模型相对于大型模型的能力边界和实用价值。
Google DeepMind 与 Isomorphic Labs 公布生物韧性联合方案，涵盖预防、检测和响应三大领域，过去 12 个月推进了超过 15 个政府、生物安全组织和研究机构的合作。
Google Research 在 ICLR 2026 发表的论文揭示，扩散模型的创造力源于神经网络训练中的"分数平滑"效应。由于权重衰减等正则化手段，模型学习到的分数函数呈近似而非精确状态，导致去噪过程生成的数据会在训练点之间插值，从而产生新的合理样本，而非简单复制训练数据。研究通过 1-D 实验结合函数空间理论验证了这一机制。
Google DeepMind 推出 ATL Saathi，这是一款基于 Gemini 的 Web 应用，为印度 ATL（Atal Tinkering Labs）教育者提供 24/7 的规划和培训助手。该应用支持多语言交互，可生成课程摘要、AI 信息图表、项目创意和分步指导，现已在 100 所试点学校推出。
Google Research 发布 SensorFM，一个在 5 百万人、超过 1 万亿分钟多模态传感器数据上预训练的大型基础模型。该模型通过自监督重建学习通用生理表征，在 35 项健康任务中 33 项超越监督基线，且无需任何任务特定架构。最大版本相比最小版本重构损失降低 31%，分类任务平均 AUC 提升 9%，回归任务 Pearson 系数提升 21%。
推荐理由：原文给出了从2M到2B传感器小时、100K到100M参数的 Scaling 实验数据，读者可以据此判断规模对模型能力的实际影响。
Google Research 在10个美国城市进行了为期6个月的大规模真实世界对照实验，发现即使仅引导不到2%的车辆改道，也能在目标路段实现约2%的车速提升和0.5%-1%的燃油消耗降低。推算每年每个城市可减少数千吨CO2排放，证明协调少量车辆即可改善整体交通状况，且导航用户和非用户均能受益。
推荐理由：原文给出了在10个城市进行6个月对照实验的具体数据和可验证的改善效果（车速提升2%、燃油降低0.5-1%、潜在数千吨CO2年减排），这是目前少有的大规模实证研究。
Google DeepMind 与独立电影工作室 A24 宣布一项史无前例的研究合作，旨在帮助艺术家开发新工作流程和技术，确保未来工具由创作者塑造。该合作创建深度研发协作，涵盖多个项目，Google 并对 A24 进行了投资。合作初期重点是弥合前沿技术与下一代娱乐之间的差距，具体目标和创意里程碑将随时间演进。
Hugging Face 与 Cerebras 合作展示了基于 Gemma 4 的实时语音转语音系统，采用模块化开源架构：Nvidia Parakeet 语音识别 + Cerebras 加速 Gemma 4 VLM 推理 + 阿里 Qwen3TTS 语音生成。该系统已在超过 9,000 台 Reachy Mini 机器人上部署，旨在解决语音 AI 的延迟问题，提供更稳定、可预测的低延迟体验。
推荐理由：原文展示了实时语音 AI 的低延迟方案，读者可以了解这个技术演示的核心架构和性能改进。
Google DeepMind 正式发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）——公司最快、最省成本的图像生成模型，文生图延迟 4 秒，定价 $0.034/千张图；同时发布 Gemini Omni Flash（gemini-omni-flash-preview），支持高质量视频生成和对话式编辑，定价 $0.10/秒。
推荐理由：原文给出了两个模型的具体性能数据和定价，读者可以据此判断相比竞品和前代产品的速度、成本和功能优势。
Google 发布 TabFM，一个面向表格数据分类和回归任务的基础模型。该模型将表格预测重新定义为上下文学习问题，通过混合注意力架构（交替行列注意力、行列压缩）在数百万人工合成数据集上训练，实现了真正的零样本预测——无需针对新数据集进行模型训练、超参数调优或特征工程。
推荐理由：读者可通过本文了解 Google 如何将大语言模型的零样本能力迁移到结构化表格数据，理解其架构创新和实际可用性。
Google 宣布将 Multi-Token Prediction (MTP) 架构应用于现有的冻结 Gemini Nano v3 模型，在 Pixel 9/10 系列上实现 50% 以上加速。
推荐理由：原文给出了具体的技术架构细节、性能数据（50%+加速、130MB内存节省）和在 Pixel 设备上的实测效果，读者可以据此了解移动端推理优化的具体方法。
Google 提出线性弹性缓存技术，将页面驱逐问题建模为滑雪租赁问题，使用浅层决策树预测页面 TTL 以动态调整缓存大小。在 Spanner 生产环境的测试中，内存使用减少 15.5%，缓存未命中仅增加 5.5%，总拥有成本（TCO）降低约 5%，实际 I/O 成本影响仅 0.5%。该方法将内存视为随占用时间和大小线性计费的 utility，而非固定资源。
Google Research在COLM 2026发表的研究发现，启用推理（CoT）能显著提升R-LLMs在简单一次性问题上的准确率，即使问题无需分步推理。通过Gemini-2.5（Flash和Pro）及Qwen3-32B在SimpleQA Verified和EntityQuestions上的实验，证明推理开启后模型能recall关闭时几乎无法获取的答案。
Google DeepMind 将 computer use 功能集成到 Gemini 3.5 Flash，使开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 构建能够看、推理并在浏览器、移动端和桌面环境采取行动的智能体，适用于持续软件测试和跨专业应用的知识工作等长期和企业自动化任务。
推荐理由：computer use 从独立模型集成到 3.5 Flash，开发者可直接用 API 构建跨平台的智能体，并提供了企业级安全防护选项。
Google DeepMind 与英国政府合作开发 AI 规划工具，基于 Gemini 模型，为规划官员提供数据提取、政策识别、摘要和评估草案等功能。该工具旨在将规划申请审批时间缩短 50%，目前正在 Barnet、Camden 和 Dorset 三个地区试点，计划 2027 年向全英议会推广，以支持英国到 2029 年建成 150 万套新住房的目标。
Google 开发了高分辨率深度学习框架，通过 Vision-Transformer 在 3 亿张卫星图像上预训练，仅用约 247 km² 注释数据即可精准识别树篱、林分等精细生态特征。发布矢量化数据集，将英格兰超过 13 万 km² 的细微木本特征转换为可操作的生态清单，利用 Polsby-Popper 紧凑度评分（<0.5）区分线性树篱与林分，为碳汇核算和自然恢复提供新途径。
Google DeepMind 发布 AI Control Roadmap 框架，为内部 AI 智能体提供传统模型对齐之外的额外安全层。该框架将不受信任的 AI 智能体视为潜在“内部威胁”，通过检测、预防和响应三层机制应对风险。研究团队已分析超过 100 万个编码智能体任务来验证框架，并同步发布面向政策制定者的《Three Layers of Agent Security》技术框架。
推荐理由：原文给出了 AI 智能体安全的具体技术路径和实践数据，读者可据此理解如何为 AI 智能体构建超越传统对齐的系统级安全层。
Google Research在JAMA Dermatology发表研究，2345名参与者使用AI工具识别皮肤状况，命名准确率从8%提升至近3倍达23%，愿意尝试命名的比例从41%升至62%。但确定下一步医疗措施（如何就医）方面，标准AI组无显著改善，用户倾向于选择不够紧迫的建议。
Google Research在AISTATS 2026发布Regularized f-Divergence Kernel Tests框架，解决机器遗忘验证中双样本检验随模型规模增大而统计功效下降的问题。
Google DeepMind 发布 DiffusionGemma 实验模型，这是一款 26B MoE 开源模型（Apache 2.0 许可证），通过文本扩散技术实现并行生成而非传统自回归的逐 token 生成，在 NVIDIA H100 上可达 1000+ tokens/s，RTX 5090 上 700+ tokens/s，比标准 Gemma 4 快 4 倍。
推荐理由：原文给出了性能对比数据和方法差异，读者可以据此判断 diffusion 文本生成是否适合自己的应用场景。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 和 Google.org 宣布提供最高 1000 万美元的研究资助，面向全球研究人员征集多智能体 AI 安全研究提案。
推荐理由：原文给出了 $10M 资助金额、四个重点资助方向和截止日期，读者可以据此了解多智能体 AI 安全研究的前沿问题和参与机会。
Gemini 3.5 Live Translate 是 Google DeepMind 发布的最新音频模型，可实现超过 70 种语言的近实时语音到语音翻译。该模型自动检测语言并生成流畅、自然的翻译语音，保留说话者的语调、节奏和音调。
推荐理由：原文详细说明了模型的核心能力（70+语言、保留语调、延迟几秒）和三个明确的落地入口，读者可以对照自己的使用场景判断迁移成本。
Google DeepMind 发布 Gemma 4 12B，采用无编码器架构将视觉和音频输入直接整合到 LLM 主干，支持原生音频输入。性能接近更大的 26B MoE 模型，可在 16GB VRAM 的笔记本电脑上本地运行，已获 150 万次下载，发布于 Apache 2.0 许可证。
推荐理由：原文给出了架构变化（encoder-free）、性能对比（接近 26B MoE）、内存要求（16GB VRAM）和原生音频输入等具体信息，读者可以据此评估它与其他 Gemma 模型的定位差异。
Google DeepMind Accelerator: Robotics 项目启动，从欧洲选中 15 家早期机器人初创公司加入为期 3 个月的密集指导计划。这些初创公司将获得 Google AI 技术栈、Gemini 机器人模型及 Google DeepMind 和 Google 专家的技术支持，涵盖物流、制造、医疗、气候和高级导航等领域。
Google DeepMind在塞拉利昂进行了一项预注册RCT研究，评估Gemini的Guided Learning功能对学生数学成绩的影响。研究结果显示，使用Guided Learning的学生比对照组提高了0.258个标准差，相当于8周内实现约1.2至1.7年的学习进步；教师将Gemini融入约半数课程（12小时）的班级进步更为显著，达1.8至2.5年。
Google 推出 Gemini Enterprise Agent Platform 的 Agentic RAG 功能，采用多智能体架构（Orchestrator、Planner、Query Rewriter、Search Fanout）处理复杂多源查询。
推荐理由：原文给出了具体准确率提升数据（最高34%）和新的 Sufficient Context Agent 机制，读者可以据此判断这个新产品在企业知识管理场景中的实际价值。
Google 在 Nature 发表研究，推出 PHRM 系统，利用前置摄像头在面部解锁后捕捉视频，通过深度学习估计心率，在 35 万视频片段、700 名参与者训练下，心率 MAPE<10%（所有肤色），静息心率 MAE<5bpm（对比 Fitbit），为首个在日常智能手机使用中实现被动心率监测的大规模研究。
推荐理由：首次大规模验证了智能手机在日常使用中被动监测心率和静息心率的可行性，为无创心血管健康监测提供了可穿戴设备之外的普惠选择。
Google Research 开源了其水文建模框架，基于 LSTM 神经网络架构，使用气候、土壤、地形等地理特征和降雨、气温等气象预报数据来预测全球河流日流量。
推荐理由：开源了完整的水文建模框架和预训练模型，研究人员和预报机构可直接下载使用或基于此进行本地化微调。
Google Research 在 I/O 2026 展示了多个研究进展。Gemini for Science 套件整合了 ERA（研究编码系统）和 Co-Scientist（多智能体系统），可辅助科学假设生成和计算实验。
推荐理由：原文系统展示了Google在I/O 2026的多个研究进展，涵盖科学工具、医疗健康、边缘计算、天气预测等方向，读者可从中了解AI在科研和产业应用的前沿进展。
Google推出新的私有分析服务，结合新型加密聚合协议与可信执行环境(TEE)，实现单次消息安全提交，无需设备长时间在线多轮交互。该方案通过加密层确保原始数据在任何服务器内存中都不被暴露或重建，仅在聚合匿名化后才处理明文数据，并利用TEE提供可验证的完整性证明。目前已应用于Pixel Recorder和Gboard等场景。