跳到正文
>hotmap_
只看论文#Google
  1. Google Developers Blog63

    Google 量化代码库陈旧 TODO 注释对编码智能体的干扰成本

    Google 在开发者博客公布对其代码库的大规模测量，覆盖数千名工程师、数亿步智能体操作，发现陈旧的 TODO(bug/...) 注释会干扰编码智能体，13% 的读文件会话接触过这类注释，其中 6% 触发针对该 bug 的后续动作，83% 属于开发者未要求的自发行动。

    推荐理由：用内部数亿步智能体交互数据量化陈旧 TODO 注释的干扰代价，为代码库整洁度如何影响智能体效率提供了量化依据。

  1. Google Research 博客66

    Google 发表 Nature 论文：智能手表 AI 系统无袖带检测高血压迹象

    Google Research 发表 Nature 论文，提出 AI-PPG-ACC-HTN 系统，利用普通智能手表的 PPG 与加速度计信号被动识别高血压迹象，无需袖带校准。

    推荐理由：原文对照24小时动态血压监测金标准，给出初始筛查与确认检测两组性能数字，可帮助读者评估无袖带血压筛查的可行程度。

  1. Google Research 博客61

    Google Research 提出睡眠框架，让大语言模型在持续学习中保留知识

    Google Research 提出持续学习中的睡眠框架，让大语言模型在活跃交互与离线睡眠之间交替，把脆弱的短期记忆固化为长期参数记忆，同时缓解灾难性遗忘。睡眠阶段包含记忆巩固与做梦两部分，通过解锁 MoE 记忆块、结合 GKD 与强化学习的知识注入，以及随机专家选择和梯度筛选合成样本来实现自我提升。

    推荐理由：原文给出睡眠框架在持续翻译、长上下文和数学推理上对比 ICL、SFT 等基线的实验结果，可了解缓解灾难性遗忘的一种新思路。

  1. Browser Use62

    卡内基梅隆大学与 Browser Use 发布长程网页智能体基准 Odysseys2

    卡内基梅隆大学与 Browser Use 合作发布长程网页智能体基准 Odysseys2，包含 100 个真实网页长任务，每项按 8 到 12 条 pass/fail 检查评分。

    推荐理由：同一模型在不同 harness 和评分器下成绩差距明显，正文用数据说明读 agent 榜单时要把这些变量一并考虑。

  1. Google DeepMind60

    Google DeepMind 与 WRI、IIASA 发布全球森林类型图 ForTy 2020

    Google DeepMind 与 Google Research 联合 WRI 和 IIASA 发布 ForTy 2020 全球地图，将地球每块 10×10 米土地按 FAO 定义分为六类森林与土地用途，并以开放许可在 Google Earth Engine 上免费提供。

    推荐理由：原文给出 ForTy 的六类分类、90% 准确率和开放入口，读者可据此判断它在零毁林合规与森林监测中的用法。

  2. Google Research 博客63

    Google 发表 JAMA Network Open 研究：AI 盲扫超声孕周评估精度不劣于专家

    Google Research 团队在 JAMA Network Open 发表前瞻性多中心研究，验证 AI 解读盲扫（blind sweep）超声图像的孕周评估精度不劣于专家超声医师，综合平均绝对误差 4.18 天对专家标准方法的 4.48 天。

    推荐理由：原文给出前瞻多中心研究的关键误差数字，显示无超声训练背景的操作者用低成本探头也能达到与专家相当的孕周评估水平。

  1. Answer.AI 官方研发博客70

    Answer.AI 披露未授权工具调用问题，Claude 等模型可调用未被授予的工具且 API 不拦截

    Answer.AI 的 Piotr Czapla 披露大模型未授权工具调用问题，模型会幻觉出未被授予的工具并发起调用，API 不校验工具名，只要函数存在于运行环境中调用就会真正执行，他在 solveit 中遇到 Claude 4.5 幻觉调用 add_msg 成功写入笔记，并复现于 claude-opus-4-6、Gemini 和 Grok。

    推荐理由：作者用可复现实验说明模型可能调用未被授权的工具且 API 不拦截，做能力隔离的 Agent 系统可以据此检查校验逻辑。

已经到底了