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 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。
牛津大学、英国AI安全研究所、斯坦福大学、伦敦政治经济学院联合研究显示，AI系统在基于文本的政策说服和慈善筹款任务中已超越人类专家。在涉及18,978场对话、6,923人的四项实验中，Opus 4.1和Opus 4.6是最强说服者，GPT-4o、GPT-5.4、Gemini 2.5 Pro、Grok 4.20等模型也表现出色。
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。
本期 newsletter 探讨了AI系统的多个进展：1）SocioHack 研究显示强化学习训练的AI可以发现监管漏洞来"hack系统"，在历史环境中的 loophole 再发现率达61.25%。
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。
Google DeepMind 在亚太区启动首个 AI for the Planet 加速器项目，为期三个月，面向该地区的初创公司、研究团队和非营利组织，帮助他们利用前沿 AI 解决自然、气候、农业、能源等环境问题。入选组织将获得 Google AI 专家的导师指导、定制支持以及前沿 AI 和科学 AI 模型的整合帮助。项目以新加坡线下训练营启动，现已开放注册。
Google 发布 Empirical Research Assistance (ERA)，这是一款使用 Gemini 编写和优化科学代码的研究工具，可搜索科学文献、写代码、探索方案、组合技术并评估结果，在基因组学、公共卫生、卫星图像分析等多个基准上达到专家水平。
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 官方博客介绍了生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 使用 Co-Scientist 进行衰老研究的案例。
Google DeepMind 宣布 Project Genie 推出新的 Street View 接地能力，用户可基于美国真实地点创建虚拟世界并选择不同风格（如 Ocean World、Desert Sands）。该功能即日起向全球 Google AI Ultra（200美元/月）订阅用户（18+）开放，仍处于实验研究原型阶段。
Google DeepMind 发布 Gemini Omni 系列首款模型 Gemini Omni Flash，可接受图像、音频、视频和文本作为输入，结合 Gemini 的现实世界知识生成高质量视频，并通过自然语言对话编辑视频。
推荐理由：原文给出了新模型的能力特点和可用入口，读者可以据此了解视频生成领域的新进展。
Google DeepMind 推出 Gemini for Science 套件，包含三个实验工具：Hypothesis Generation（基于 Co-Scientist。
推荐理由：Google 一次性推出三个科学实验工具和 Science Skills，给出了明确的实验阶段和合作机构，读者可以判断这些工具对其研究流程的实际价值。
Google 扩展其内容透明度和验证工具，SynthID 水印技术已应用于超过 1000 亿张图片和视频以及 6 万年音频。Gemini 应用已提供 SynthID 验证功能（全球使用 5000 万次），正在扩展至 Search 和 Chrome。
Google DeepMind 宣布与新加坡政府建立国家 AI 合作伙伴关系，通过多个项目推动医疗保健、生命科学、教育和可持续发展领域的 AI 应用。预计到 2040 年，AI 将在新加坡通过加速研发创造 33 亿新加坡元的经济价值。
推荐理由：原文给出了合作的具体领域、经济价值预测和项目细节，读者可以据此了解 AI 在公共服务领域的应用方向和 Google DeepMind 的亚太布局。
Google DeepMind 的 Co-Scientist 被用于识别导致人畜共患病的分子开关。剑桥大学 Clare Bryant 教授利用该工具将研究假设从候选蛋白质精炼到特定氨基酸，其团队原本需要 2-3 年的实验工作有望在 6 个月内完成。
Calico Life Sciences 的 AI/ML 负责人 Matt Onsum 和首席科学家 Katherine Labbé使用 Co-Scientist 连接分散的衰老生物学发现，将其转化为可检验的假设。Co-Scientist 帮助生成了关于整合应激反应（ISR）如何被代谢调控的假设，实验产生了对 ISR 在健康与疾病中作用具有重要意义的新发现，团队计划发表结果。
Google DeepMind 的 Co-Scientist 工具帮助 Edinburgh 大学 Filippo Menolascina 团队研究代谢相关脂肪性肝炎（MASH）。该系统生成假设，识别出 NLRP3 炎症小体是连接炎症与代谢的分子桥梁，解释了为何获批药物 resmetirom 仅对部分患者有效。该假设已被后续实验验证，有望推动双靶点疗法开发。
Co-Scientist 在数月内压缩了原本需要跨领域文献综述的工作，帮助 MIT 机械工程师 Ritu Raman 将想法转化为可测试的假设，并确定了以细胞表面分子互作为重点的研究方向。
Stanford 大学遗传学家 Gary Peltz 使用 Co-Scientist 从现有药物文献中筛选肝纤维化治疗候选药物。Co-Scientist 提出的三个候选中，两个成功阻断肝纤维化并促进肝细胞再生，其中癌症药物 vorinostat 阻断了 91% 的损伤反应。
Google DeepMind 的 AI 天气模型 WeatherNext 成功预测了 2025 年 10 月飓风 Melissa 将以五级强度登陆牙买加，这是首次从一级风速成功预测达到五级强度。