Google Research

Google开源了驱动Flood Hub的AI水文预测框架，允许机构使用LSTM架构与Caravan数据集训练本地化洪水模型。新版模型在实测流域将可靠预测窗口延长6天，支持PyTorch生态微调，赋能气象部门在保留数据主权前提下构建高精度预警系统。

Google Research发布PHRM系统，利用手机前置摄像头在解锁瞬间被动监测心率，MAPE低于10%且对不同肤色人群均达到行业标准，每日静息心率误差小于5bpm，并开源了相关数据集与模型。

AI代理系统的最优组织结构取决于任务复杂度与模型类型，Google研究通过150+实验发现：集中式或混合架构对OpenAI模型更有效，而Google模型在去中心化协作中表现更优。

Google Research开发的MAPL-EMIT框架利用深度学习从卫星数据中自动检测全球甲烷排放，实现84%的高召回率，助力气候行动。

Google与HHMI Janelia合作发布雄性果蝇完整脑图，包含166,000神经元和1.25亿突触连接，是目前规模最大的脑图谱。

Google DeepMind与Google Research推出的WeatherNext 3天气AI模型，预测精度提升5倍，每小时更新全球预报。

Google Research 提出 WikiSkill 框架，让 AI Agent 将执行经验沉淀为持久知识库实现自我进化。

Google Research 提出的 Biomarker Discovery Framework 通过多智能体系统加速生物标志物发现，结合对抗验证和文献推理提升统计严谨性。

前沿LLMs的事实性错误主要源于回忆失败而非编码失败，Google提出知识分析框架区分两者并验证该结论。

通过导航应用的网络感知路由，Google Research展示了减少城市交通拥堵和排放的潜力。

推理机制能帮助大语言模型回忆存储在参数中的简单事实，即使无需复杂推理步骤。

线性弹性缓存通过机器学习优化内存使用，显著降低云服务成本。

Google Research 开发了一种高分辨率深度学习框架，用于识别农田中的精细生态特征，如树篱和小树林，为生态恢复提供新方法。

谷歌提出一种新框架，用于更高效、准确地验证机器遗忘过程，解决当前统计工具在大规模模型审计中的不足。

ERA, a tool developed by Google using Gemini, assists scientists in writing and optimizing scientific code, significantly speeding up the process of scientific discovery. It has been tested across various disciplines and has shown expert-level performance. ERA is now being made accessible to scientists worldwide through Gemini for Science, and has been used in several projects, including epidemiological forecasting, environmental modeling, and atmospheric CO2 mapping.

Qdrant 1.18 发布，引入了由 Google Research 开发的新量化方法 TurboQuant，提供更高的内存效率和更好的召回率。

AI工具在皮肤科领域可帮助用户更好地理解皮肤状况，但需关注人类因素以提升决策质量。

Google DeepMind推出的WeatherNext 3模型通过实时观测数据提升天气预测的本地化精度和速度，但未披露技术细节。