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 正式发布 Gemini 3.5 系列首款模型 3.5 Flash，在 Terminal-Bench 2.1（76.2%）、GDPval-AA（1656 Elo）、MCP Atlas（83.6%）等 agentic 和 coding 基准上达到前沿性能，输出速度是其他前沿模型的 4 倍。
推荐理由：原文给出了 Terminal-Bench、GDPval-AA 等多个 agentic 和 coding 基准的具体分数，以及 4 倍速度提升的对比数据，读者可据此判断模型在复杂长程任务上的实际性能。
Google DeepMind 在 Nature 发布了 Co-Scientist 系统，这是一款基于 Gemini 模型的多智能体 AI 系统，用于生成和优化科学假设。该系统通过生成、辩论、进化三个阶段迭代产生新假设，已在肝纤维化治疗、ALS 研究、细胞衰老逆转等多个领域测试应用，并将通过 Hypothesis Generation 实验工具向个人研究者开放注册。
推荐理由：原文给出了具体应用案例和能力变化，读者可以了解这个 AI 工具如何辅助科学研究以及它的实际效果。
Google DeepMind 展示了 AlphaEvolve 这一 Gemini 驱动的 AI 编码智能体在过去一年取得的实际影响：在基因组学领域将 DNA 测序错误检测降低 30%。
推荐理由：原文给出了 AlphaEvolve 在多个领域（基因组学、电网优化、量子计算等）的具体性能提升数据，读者可以据此评估这类 AI 编码智能体的实际效用。
Google Research 过去十年开发并开源了多个关键技术和数据集，赋能超过 25 万名全球研究者。
Google DeepMind宣布推出AI co-clinician研究计划，探索AI作为护理团队协作成员在临床监督下与患者互动。在98个真实初级保健查询的盲评中，AI co-clinician在97个案例中实现零关键错误，优于两款广泛使用的AI系统。在140个咨询技能维度的评估中，AI在68个领域达到或超过初级保健医生水平。团队还在模拟远程医疗环境中测试了实时多模态AI能力。
Google 展示了 Empirical Research Assistance 工具的四个应用场景：流行病学预测（流感、COVID-19、RSV 住院率预测在 CDC 排行榜上名列前茅）。
Google DeepMind 与韩国科学技术信息通信部（MSIT）达成合作伙伴关系，将建立 AI Campus 支持韩国科研机构。合作将聚焦生命科学、天气与气候等领域，涉及 AlphaEvolve、AlphaGenome、AlphaFold、AI co-scientist、WeatherNext 等模型。同时将提供实习机会，并与韩国 AI 安全研究所合作。
推荐理由：这是 Google DeepMind 与韩国政府达成的国家级 AI 合作伙伴关系，展示了 AI 在科学研究中的具体应用方向，读者可据此了解 AI for Science 的实际落地场景。
Google 宣布在 Google Photos 的 Auto frame 功能中推出新的视角重制技术。该方法先通过 3D 点云估计和人脸检测重建场景，再使用生成式潜扩散模型填补新视角下缺失的背景内容，从而在保持人物身份的同时自动调整拍摄角度。目前该功能已上线，可自动优化包含人物的肖像照片。
推荐理由：原文介绍了 3D 场景估计+生成式修复的技术路径，读者可据此了解图像后期视角调整的新方法。
Google DeepMind 发布 Decoupled DiLoCo（解耦分布式低通信）架构，通过将训练任务分散到相互独立的计算岛屿，实现跨数据中心的分布式大语言模型训练。
推荐理由：这篇论文提出了一种新的分布式训练架构，能够在低带宽条件下跨数据中心训练大模型，同时保持较高的硬件容错性。
Google Research 发布 ReasoningBank 框架，使大语言模型能在测试时从成功和失败的经验中自我进化。该框架将推理模式提炼为高层记忆存储，在 WebArena 和 SWE-Bench Verified 上相比无记忆智能体分别提升 8.3% 和 4.6% 成功率，并结合 MaTTS 扩展方法进一步提升 3% 成功率。
推荐理由：论文给出了在 WebArena 和 SWE-bench 上相对于 baseline 的具体提升幅度（8.3%、4.6%、3%），并开源了代码，读者可据此判断该方法对智能体记忆机制研究的参考价值。
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte、McKinsey 五大咨询公司合作，帮助企业大规模采用前沿 AI 技术。目前仅 25% 的组织成功将 AI 投入生产，AI 预计到 2030 年贡献全球 15.7 万亿美元经济价值。合作将提供 Gemini 系列前沿模型的优先访问权限，聚焦金融、制造、零售、媒体娱乐等行业的企业需求。
Google Research 在 TMLR 发表论文，介绍 Simula 框架——一个基于推理优先的合成数据生成系统。该框架将数据生成过程分解为全局多样性、本地多样性、复杂化和质量检查四个可控维度，支持 seedless 和 agentic 方式生成数据。
Google Research 发布 MoGen（Neuronal Morphology Generation）模型，使用 PointInfinity point cloud flow matching 架构生成合成神经形状来增强 PATHFINDER 训练数据，将小鼠脑图重建错误率降低 4.4%，主要减少了合并错误。
Google DeepMind 发布 Gemini 3.1 Flash TTS，这是一款新的文本转语音模型，在 Artificial Analysis TTS 基准测试中获得 1211 的 Elo 评分。
推荐理由：原文展示了具体性能数据（Elo 1211）和可用入口，读者可据此评估该模型在实际业务中的适用性。
Google Research 联合纽约大学发布 Vantage，一个利用生成式 AI 在模拟环境中创建对话来评估学生未来必备技能（如批判性思维、协作、创造性思维）的研究实验。该工具有 Executive LLM 引导对话进行自适应评估，AI Evaluator 与人类专家评分一致性相当。Vantage 现已在 Google Labs 开放英语注册，旨在为教育者提供可扩展的技能评估方法。
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其首个推理优先模型的重大升级版。该模型增强了空间推理和多视角理解能力，专门用于视觉与空间理解、任务规划和成功检测，并能原生调用工具如 Google Search、视觉语言动作模型或第三方函数。
推荐理由：原文给出了具体性能对比和新增的仪表读取功能，读者可以据此判断该模型在机器人实体推理场景中的具体提升和可用性。
Google Research推出ConvApparel数据集，包含超4000段人类-AI多轮对话（共近15000轮），在服装购物领域采用双智能体协议收集数据。该数据集通过人口级统计对齐、人类相似度评分、反事实验证三种评估维度，衡量当前LLM用户模拟器与真实人类行为的显著差距，为构建更可信的AI测试工具提供路径。
Google Research 发布两款学术工作流 AI 智能体：PaperVizAgent（可视化智能体）可从学术文本自动生成论文图表，由 5 个专业智能体协作完成。
Google 研究团队提出一个评估 LLM 行为倾向对齐度的框架，通过情境判断测试（SJT）评估 25 个模型在同理心、情绪调节等行为特质上与人类偏好的对齐程度。研究发现小型模型（<25B）对齐度接近随机水平，大型前沿模型（>120B）在人类共识度高时对齐度接近完美，但在低共识场景下存在系统性过度自信问题，且模型自我报告与其实际行为存在显著差异。
Google DeepMind 正式发布 Gemma 4 系列开源模型，提供 E2B、E4B、26B MoE 和 31B Dense 四种规格。31B 版本在 Arena AI 文本排行榜位列第三，26B 排名第六，均超越参数量 20 倍于自身的模型。
推荐理由：原文给出了四个版本的具体定位和性能数据，读者可以据此判断 Gemma 4 是否适合自己的硬件条件和使用场景。
Google Research 发表研究探讨 AI benchmark 中评分者数量与项目数量的权衡。研究发现常见的 1-5 个评分者标准不足以捕捉人类观点的细微差别，若要反映真实的人类分歧通常需要超过 10 个评分者。
Google 发布白皮书，更新了量子计算机破解 ECDLP-256 椭圆曲线密码学所需的资源估算。估算显示需不到 50 万物理量子比特在几分钟内即可破解，这比之前减少了约 20 倍。Google 建议加密货币社区转向后量子密码学以应对量子计算威胁，并采用零知识证明方式披露漏洞以避免被恶意利用。
推荐理由：原文给出了量子计算机破解 ECDLP-256 的最新资源估算，读者可据此了解量子威胁的实际时间线并提前规划迁移。
Google DeepMind 发布实验性的 AI 赋能光标，能够理解用户指向的内容及上下文。用户只需指向并用自然语言提问（如“显示方向”“对比这些产品”），AI 即可识别光标处的文字、图像、代码块等元素并提供相应帮助。该原型基于 Gemini 构建，计划集成到 Chrome 和新的 Googlebook 设备中。
推荐理由：Google DeepMind 展示了 AI 赋能光标的新交互范式，读者可以了解 AI 如何从理解'指向什么'升级到理解'为什么指向'，以及这一变化对现有工作流的意义。
Google宣布推出Vibe Coding XR工作流，结合Gemini的长期上下文推理能力和专门的系统提示词与代码模板，将自然语言直接转换为可在Android XR设备上运行的功能性、物理感知的XR应用。
推荐理由：Google发布了一个完整的AI+XR原型开发工具链，展示了多个教育、娱乐和游戏场景的demo，读者可据此了解当前AI生成XR应用的能力边界。
Google Research发布TurboQuant、QJL和PolarQuant三种向量量化压缩算法，可在Gemma和Mistral模型上将KV cache内存降低至少6倍，同时保持模型性能不变。
推荐理由：原文给出了6x内存降低和8x性能提升的具体数据，以及TurboQuant、QJL、PolarQuant三种算法的技术原理，读者可以据此了解向量量化技术的最新进展。
Google Research 发布 S2Vec，一个自监督学习框架，通过 S2 Geometry 分区和特征栅格化将建筑环境转换为类似图像的表示，再利用掩码自编码器学习通用嵌入向量。S2Vec 在零样本地理适应任务（如预测未见过区域的人口密度和收入）中表现竞争力，无需人工标注即可理解城市特征关系。评估显示，S2Vec 与图像嵌入融合通常优于单一模态。
Google Research 联合 Imperial College London 和 NHS 在 Nature Cancer 发表研究，显示其 AI 诊断系统可识别 25% 传统筛查遗漏的"间隔期乳腺癌"，并与印度、泰国、澳大利亚医疗机构合作完成超百万次糖尿病视网膜病变筛查。
Google Research 与英国 NHS 合作开展 AIMS 研究，评估 AI 乳腺癌检测系统。研究一评估了 12.5 万名女性回溯数据和 12 个前瞻性站点，AI 敏感性高于首位人类读者，癌症检出率从 7.54 提升至 9.33/千人，检出 25% 间隔期癌症。
推荐理由：原文给出了详细的 AI 乳腺癌筛查系统研究方法和结果，读者可以了解 AI 在医疗筛查中的实际性能表现以及人机协作的挑战。
Google Research 与 Cornell 大学合作，评估了六款大语言模型在高温超导领域回答专家级问题的能力。测试问题由领域专家设计，涵盖67道深度专业问题。NotebookLM 和自定义 RAG 系统基于专家筛选的文献库表现最佳，而依赖开放网络的模型倾向于混淆已确立理论与高度推测性假说。模型在时序理解、上下文理解和图像推理方面存在明显弱点。
Google 宣布在 Flood Hub 上推出 AI 城市突发洪水预报功能，可提前 24 小时预测城市突发洪水风险。该系统使用 Groundsource 方法论（由 Gemini 分析新闻报道生成历史洪水数据集）训练 LSTM 模型，仅依赖全球气象数据即可生成 20x20 公里分辨率的预报。
推荐理由：原文给出了AI驱动方法如何弥合全球预警差距的具体数据，读者可以据此评估它对发展中国家的实际价值。
Google Research 发布了 Groundsource，这是一项利用 Gemini 将全球新闻报道转化为结构化灾害数据的新方法论。该方法已生成 260 万条城市突发洪水事件记录，覆盖 150 多个国家（2000 年至今），准确率在实用层面达 82%。Google 已将此数据用于改进 Flood Hub 的洪水预测能力，未来计划扩展到其他灾害类型。
推荐理由：该方法通过 AI 从全球新闻中提取结构化灾害数据，填补了传统监测系统无法覆盖的小型和局部灾害的数据空白。
Google Research与Beth Israel Deaconess Medical Center合作，对对话式诊断AI系统AMIE进行了前瞻性单中心可行性研究。
推荐理由：原文给出了在真实临床环境中测试对话式诊断AI的详细数据，包括安全性、诊断准确率、用户接受度等，读者可以据此了解当前医疗AI从模拟场景走向真实诊疗的可行性。
Google Research 发布 WAXAL 数据集，涵盖 27 种非洲语言，包含约 1846 小时 ASR 转录语音和 565 小时 TTS 高保真录音，采用 CC-BY-4.0 许可证开放获取。该数据集通过图像提示的采集方法获取自然语音，并与 Makerere 大学、 Ghana 大学等非洲学术机构合作构建，旨在为非洲 AI 生态系统提供语音技术研究基础设施。
谷歌推出最新图像生成模型 Nano Banana 2，主打更强的世界知识、生产可用规格和主体一致性，并保持 Flash 速度。该产品于 2026 年 2 月 27 日上线 Product Hunt，归类为 AI 生成媒体与基础模型。
Nano Banana Pro 是一个图像生成模型，与 Gemini 3 Pro 语言模型集成，具备内置逻辑推理能力，可理解并回答图像中的文本信息，同时保持像素级文本准确性和风格灵活性。模型支持最多 14 张参考图像处理，实现跨图像的角色一致性，并可直接渲染代码。通过 Replicate API 可轻松调用该模型。
Google 发布了 Veo 3.1，Replicate 官方博客提供了提示词教程。新增三大功能：参考图像生成视频（最多3张图合成连贯场景）、首尾帧插帧（指定起止帧让模型生成过渡动画）、增强的图像转视频（模型能理解图像内容并生成自然motion）。除参考图像功能外，其他功能提供快速生成选项，约60秒完成，价格减半。教程包含代码示例和 API 调用方式。
Replicate 对六款主流图像编辑模型进行对比评测，涵盖对象移除、视角转换、背景编辑、文字编辑和风格迁移五项任务。
Replicate 平台对比了 24 款 AI 视频生成模型的价格、分辨率、时长和功能。Alibaba Wan 2.2 5b fast 价格最低 $0.01 起、生成速度最快 6-16 秒，Google Veo 3 价格最高 $6、支持原生音频。所有模型均支持商业使用，价格和速度数据截至 2025年7月。
Google Veo 3 支持原生音频生成（音效、环境音和对话），提示词理解更精准，物理准确性和真实感更强。
Google 最新的旗舰图像生成模型 Imagen 4 现已在 Replicate 平台开放运行，这是预览版本。该模型在精细细节渲染、风格多样性和文字渲染方面有显著提升，并内置了过滤、数据标记和 SynthID 数字水印等安全措施。Replicate 同时预告将推出 Imagen 4 Ultra 和 Veo 3，并已上线 Google 的音乐生成模型 Lyria 2。