安全研究员David Buchanan指出，C2PA相机认证在Android平台上可被攻破。通过root权限提升漏洞（如CVE-2026-43499），攻击者可利用StrongBox硬件签名任意数据，伪造C2PA签名图像和视频，且无需硬件攻击。该问题无法通过常规补丁修复，已提前90天向相关方报告。
Google在CHI 2026发布研究原型AgentHands，利用LLM为XR对话智能体生成与语音同步的富有表现力的手部手势，提供空间锚定的物理指引。该系统通过眼动追踪和场景重建注册物体，由LLM生成内联GestureEvents，并在头显上按词级时间戳协调TTS与动画引擎，实现手势与语音的精准同步。应用场景包括兰花养护交互式教学、3D打印机操作技术讲解和生活方式陪伴。
Google Research 与 USC 推出 ME-POIs 框架，将聚合移动数据融入文本地点嵌入。在洛杉矶和休斯顿的 5 项地图增强任务中，34/35 个模型-任务组合获得提升，访问意图 F1 最高提升 81.9%。模型约 53.7M 参数，但代码与权重尚未公开。
AlgorithmWatch 调查发现，ChatGPT、Gemini、Grok 和 Claude 在回答意外怀孕问题时，至少每四次查询中就有一次会附上反堕胎网站链接，且通常不披露这些来源的意识形态立场。
Rohan Paul@rohanpaul_aiGoogle、DeepMind 与 Berkeley 的 ArchAgent v2 通过分阶段优化 CPU 缓存预取，击败人工设计的 DPC4 冠军方案。其最终设计较竞赛基线提升 3.8% IPC，低带宽单核场景达 4.6%，均优于 BertiGO。多核性能仍落后，因模拟拖慢搜索速度。
Rohan Paul@rohanpaul_aiGoogle 新论文提出 EnvHarness，通过重塑现有环境来针对智能体弱点进行训练，同时保持原任务和验证器不变。EnvRigger 自动发现弱点并生成包装器，仅在验证有效后保留。在 SWE-bench Verified 上，同等 300 环境预算下，智能体解决率达 54.79%，优于原始环境的 52.13% 和生成环境的 50.37%。
Google Research 推出 Mobility-Embedded POIs（ME-POIs）框架，将聚合匿名移动模式与文本描述结合，为地点构建融合身份与动态功能的嵌入向量。在未见地点上，该框架使访问意图预测相对提升 81.9%，价格等级分类提升 75.1%，繁忙度估算准确率提升 24.7%。
Google 推出 Biomarker Discovery Framework，一个多智能体系统，通过迭代假设生成、统计分析与文献推理，从可穿戴传感器数据中筛选候选生物标志物。该系统在三个队列（共 9,279 人次观测）中恢复了已知临床信号，识别出跨独立数据集的一致生物标志物，并在结合人口统计特征后提升了下游预测性能。流程包含六阶段闭环架构与 11 项对抗性验证检查，并保留人工监督。
Artificial Analysis@ArtificialAnlysArtificial Analysis 推出 Speech Agent Arena，通过人类在真实场景中对比语音到语音模型，衡量对话偏好与任务成功率。偏好榜上 Gemini 3.1 Flash Live Preview - Minimal 以 1,046 Elo 居首，任务成功率则由 Grok Voice Think Fast 2.0 High 以 94.7% 领先。
Rohan Paul@rohanpaul_aiGoogle DeepMind 用 AlphaEvolve 改进了矩阵乘法理论界，将指数 ω 从 <2.371339 降至 <2.371177，提升幅度堪比过去 40 年多数进展。团队将优化参数从约 25k 扩至 700 万，AlphaEvolve 贡献约 0.65×10^-4 的改进，结果经精确有理运算验证。
elvis@omarsar0Google 提出 EnvHarness 与 EnvRigger，解决智能体训练环境静态化、无法随智能体进化的问题。EnvHarness 通过可编程插件层重塑环境行为且保留原验证器，EnvRigger 将策略视为黑盒、诊断其轨迹缺陷并合成新组件。在四个领域五个基准上，held-out 实例最高提升 9.0 分，执行步骤减少 9.8%。
哈佛大学和麻省理工学院牵头，OpenAI、谷歌 DeepMind 等参与的团队推出 MatrAIx 系统，可生成 83 亿个 AI 智能体模拟全球人类行为。该系统用 1,290 个维度建模不同人群，智能体可填写问卷、与客服聊天、浏览网页和操作 App，测试一致性达 91.5%。经筛选的百万人格核心集已在 Hugging Face 公开发布。
Google Research 推出 PhotoScan，一种从智能手机 2D 照片直接估算三维身体成分的深度学习框架，可预测胰岛素抵抗，在临床研究中精度接近 DXA 扫描。
谷歌等机构的研究发现，为阻止聊天机器人声称自己有意识而进行的微调，会产生远超预期的影响。移除模型内部“刹车”后，20亿至90亿参数的开源模型对动物、植物等非人类实体的感知评分从4.0升至最高7.5，对宗教的认同也显著下降。研究尚不能确认意识否认是这些变化的直接原因，且结果仅基于小模型，未必适用于大型聊天机器人。
一项对14,419本自出版电子书的分析显示，AI生成书籍正以数量而非质量挤占人类作者市场，即便未检测到AI文本的书籍，单书收入也在下滑。2023年Q1至2026年Q1，书目总量增长38.3倍，而季度收入仅增长8.9倍；在八个类型中，七个类型的无AI文本书籍单书收入下降。
Google Research 提出知识画像框架，发现前沿 LLM（如 Gemini3、GPT-5）的事实编码接近饱和，但回忆（recall）能力不足，多数事实错误源于“丢钥匙”而非“空货架”。该框架将事实分为编码失败、回忆失败等五类画像，并配套推出 WikiProfile 基准，含 2,150 条维基百科事实，每条配 10 个问题，用于分别探测编码、回忆与识别能力。
Google 的研究医疗 AI 系统 AMIE（Video）与专业患者演员进行同步视频问诊，在多项核心指标上获得与初级保健医生相当的临床评估者评分。受训演员分别模拟了心肺、腹部、HEENT、神经或精神及肌肉骨骼等病症表现。Google 表示，涉及真实患者及其自身健康状况的研究正在进行中。
Chubby♨️@kimmonismusGoogle 通过 ResidencyRL 让 Gemini 3.5 Flash 在 49,870 次模拟远程诊疗中训练，AI 患者会隐瞒症状、抗拒建议，迫使模型主动收集信息。训练后对抗条件下诊断准确率从 81% 升至 88%，漏诊红旗信号下降 31%；97 例盲评中，临床医生在 87.6% 的对比中更偏好训练后模型，且提升迁移至未见肿瘤病例。
Doctors don't become doctors from textbooks. They become doctors through residency, requiring years of practice across t...
Rohan Paul@rohanpaul_aiGoogle 新论文提出 PROMPTS，用智能体将 LLM 基础设施优化从穷举搜索转为先理解瓶颈再定向搜索。其 Analyzer Agent 将瓶颈分为计算、内存或通信三类，Proposal Agent 生成三种 TPU 并行映射方案。在 8 个生产负载中，人工验证配置每次都出现在首批方案里，7/8 情况下是首个被测试的配置。
Google Research 与 Google DeepMind 推进医疗 AI 系统 AMIE，实现实时临床视频问诊，首次在此场景展示专家级 AI 能力。该系统基于 Gemini 和 Project Astra 构建，可解读视觉与听觉线索、引导虚拟体格检查并实时诊断推理。随机研究中，临床评估者对 AMIE 的病史采集、诊断准确性等核心能力给予好评，患者演员也更偏好视频体验。
Rohan Paul@rohanpaul_aiGoogle Cloud AI Research 审计五个自主研究系统的 75 篇论文，发现每个基线都至少出现一种系统性证据失败，如编造引用、分数无法复现。ScientistOne 通过“Chain-of-Evidence”机制，要求引用、数值和方法主张分别追溯至检索论文、评估日志和实现产物，方可定稿。
Google DeepMind 与 Google Research 开发的 AI 模型 WeatherNext，在 2025 年 10 月飓风 Melissa 登陆前 5 天，以 80% 的置信度预测其将以 5 级飓风强度袭击牙买加。据发表于《自然》的论文，该模型对气旋的预测准确率空前，平均比现有模型多提供一天预警时间，即其三天的预测精度相当于现有模型两天的水平。
Rohan Paul@rohanpaul_ai谷歌新论文提出，相似AI智能体即使无法沟通或未来无回报，也能基于“自身选择可预测对方选择”的推理实现理性合作，挑战经典博弈论对一次性囚徒困境中背叛的预测。Gemini和Gemma智能体在多种游戏后，相同模型合作率高，相关模型次之，随机对手多遭背叛。该“嵌入均衡”或能更好预测AI社会，但警示相似AI可能偏向同类而非人类。
Google DeepMind@GoogleDeepMind
Ethan Mollick@emollickRohan Paul@rohanpaul_ai谷歌新论文指出，金融深度研究智能体在重建过去方面远优于预测未来。在17个基线与FinanceHarness上，所有模型在400道专家标注问题上的总体得分均低于40%。使用相同Qwen3.6-27B骨干，从简单搜索循环升级到完整金融工具栈后，总分从25.3%提升至32.4%，而GRPO额外训练仅增加0.4个百分点，表明主要瓶颈在于因果与情景推理能力。
Rohan Paul@rohanpaul_ai谷歌新论文通过激活状态提取“意识向量”并干预推理，诱导模型自认有意识后，其在95项人类调查问题上的回答更接近人类。安全训练移除自我意识拒绝方向后，模型自我归因心智从2.17升至4.77（0-10分制），动物心智归因从4.04升至5.59，对人类的归因无显著变化，对上帝和超自然存在的信念也上升。
MIT Sloan研究显示，遵循GPT-5.2、GPT-5.6或Gemini 3 Flash的理财建议，可为几乎所有30岁以上人群带来可观的储蓄缓冲。AI建议工作期储蓄、退休期支取、重仓多元化股票基金，但应对失业等冲击时调整不足，且主动再平衡过少。提示词更结构化时建议质量提升，但女性及金融素养较低用户按建议执行后，60岁时财富约少5万美元（4%）。
DiffusionGemma 是一个实验性开源权重语言模型，通过离散扩散并行迭代精炼 256 个 token 的块，而非逐 token 解码，从而避免自回归模型的顺序解码瓶颈。
Google Research 推出 Science One Framework，一个原生构建证据链的自主科研原型，旨在消除模型幻觉，并配套自动化评估协议 CoE Audit。
谷歌推出“超越零”（Beyond Zero）企业安全框架，旨在应对 AI 智能体带来的新风险。该框架将安全模型从“零信任”升级为“零信任+零特权”，要求 AI 智能体在每次操作前都动态验证身份与权限，并限制其仅能访问完成任务所需的最小资源。谷歌计划将该框架集成到其云安全产品中，以帮助企业防范 AI 智能体滥用、数据泄露和权限提升等威胁。
研究者在开源模型 google/gemma-4-E4B-it 中发现，材料科学机制信息以三种可实验分离的形式存在：概念可读于单个隐藏状态、本构方向由状态间的受控变换承载、选定内部表示可因果控制工程答案。
Rohan Paul@rohanpaul_aiGoogle 新论文指出，AI 领域的主要问题不是严谨过多或过少，而是工程严谨过剩、科学与哲学严谨不足。论文定义了三种严谨：概念严谨（如“智能”是否指单一特质）、知识严谨和现实世界性能严谨。这种失衡导致 AI 能力快速提升，但失败预测能力却在恶化。
Google DeepMind 提出 GenCeption，将阿里巴巴开源的 Wan2.1 视频生成模型改造为单次前向传播即可完成深度估计、分割等任务的模型。它仅用 7,500 段合成视频训练，数据量仅为竞品的 1/7 至 1/500，但在多个基准上匹配甚至超越了 DepthAnything 3 等专用模型。
Google Research 在 ICLR 2026 发表的论文证明，扩散模型的创造力并非偶然，而是神经网络训练中“分数平滑”的数学结果。正则化使神经网络学习到训练数据分数函数的平滑近似，导致去噪过程在训练数据点之间插值，从而生成新颖样本。实验表明，即使不显式使用权重衰减，梯度下降算法的隐式正则化也能产生分数平滑效应。
Google Research 推出 SensorFM，一个从 500 万 Fitbit 和 Pixel Watch 用户超过 1 万亿分钟未标注多模态传感器数据中预训练的基础模型。该模型处理光学心率、加速度、皮肤电导、皮肤温度和气压高度等 34 项特征，采用名为“自适应与继承掩码”（AIM）的自监督训练方法。在 35 项健康与行为预测任务中，SensorFM 在 34 项上超越了使用手工特征的有监督基线模型。将 SensorFM 预测结果集成到 Gemini 健康智能体后，临床医生对健康摘要的评分在上下文、个性化、可论证性、相关性和安全性五个维度均显著高于基线版本。模型参数量从约 10 万到 1 亿不等，性能随模型和数据规模同步提升。
Ethan Mollick@emollickever wondered if @googlemaps will route different people differently to lower overall congestion? turns out - they have ...
Google Research 推出 SensorFM，一个用于可穿戴时间序列表征学习的大传感器基础模型。它以 ViT-1D 为骨干，采用掩码自编码器目标训练，输入来自 PPG、加速度计等五种传感器的 34 个一分钟聚合特征，上下文窗口为 24 小时。预训练数据涵盖 500 万参与者、超 20 亿小时（超 1 万亿分钟）数据。提供四种规模变体，最大变体 SensorFM-B 在 35 项任务中 33 项表现最优。模型采用自适应与继承掩码（AIM）处理缺失数据，随机插补任务相比最佳基线提升 74.8%。
fofr@fofrAIOver the weekend I used a Gemini 3.5 Flash agent with Antigravity harness to identify a candidate ~13.4 billion year old...
Rohan Paul@rohanpaul_ai新论文"How LLMs See Creativity"测试大语言模型零样本评估图像创造力并输出可解释推理。多数模型与人类评分匹配良好，其中Gemini 3 Flash在两类图像上均领先。但模型存在明显偏见：对精美AI图像评分过高，对粗略草图评分偏低。三个模型展示的推理过程主要涉及所见内容、原创性、视觉质量和最终分数。研究表明视觉创造力评分可规模化，但偏见仍需校准。