博客精选。
Accelerating Gemini Nano models on Pixel with frozen Multi-Token Prediction
Google 研究人员介绍一种把多 token 预测改造到已冻结的生产模型上的方法，用于加速端侧推理，规避单独草稿模型带来的低效。文章背景是手机端的能耗预算和内存限制，以及标准语言模型逐 token 自回归生成造成的瓶颈，目标是在不离设备的前提下更快实现通知摘要、文本校对等功能。
Thinking to recall: How reasoning unlocks parametric knowledge in LLMs
Google Research 的研究文章，探讨推理能帮助语言模型回忆简单事实这一看似反常的现象，即使任务不需要复杂的逐步求解。作者提出该现象由两种机制驱动：一是利用生成的推理 token 进行隐式计算，二是生成相关事实以激活对正确答案的回忆。
New framework for auditing machine unlearning
这是 Google 研究科学家 Mónica Ribero 于 2026 年 6 月 10 日发布的博客，介绍一种判断两组数据观察是否来自完全不同的底层分布、且具统计显著性的方法。文中提到机器遗忘对 GDPR 等法规合规、AI 安全与模型质量的意义，以及审计者往往只能通过查询模型并分析输出样本进行验证，其中用到双样本检验。
The next chapter in flood resilience: Open sourcing Google’s hydrology framework
这是 Google 研究科学家 Grey Nearing 和 Deborah Cohen 于 2026 年 6 月 3 日发布的博客，介绍 Google 将水文学建模框架在 GitHub 上开源。该框架允许研究者和预报人员用与 Google Flood Hub 河流洪水预报相同的架构和类似训练数据训练 AI 洪水预报模型，也便于水文学家添加和测试新模型、数据与方法。适合水文、气象预报及相关领域研究人员阅读。
SymptomAI: Towards a conversational AI agent for everyday symptom assessment
这是 Google Research 发布的一篇研究介绍，作者为研究实习生 Joseph Breda 与研究科学家 Jake Sunshine，日期为 2026 年 7 月 22 日。文章介绍了一项全国规模的研究，内容是用 AI 进行鉴别诊断和症状自查。文中指出，大量临床诊断可仅凭语言访谈得出，而现有语言模型评估多依赖精心编写、有时是合成的病例描述，不能反映日常患者描述症状时医疗知识水平不一、信息不完整等真实情况。
Towards a quantum computer that learns from its errors
这是 Google Quantum AI 研究科学家 Volodymyr Sivak 和 Paul Klimov 于 2026 年 7 月 22 日发布的博客，介绍将强化学习与量子纠错结合的工作。文中指出量子计算机对漂移敏感，目前需中断计算重新校准控制参数，而该工作在《Nature》发表的论文《Reinforcement learning control of quantum error correction》中展示了量子计算机可在长时间计算中持续适应漂移。
Towards demystifying the creativity of diffusion models
这是 Google 研究科学家 Zhengdao Chen 于 2026 年 7 月 15 日发布的博客，讨论扩散模型的"创造力"（生成新数据而非仅记忆训练集）如何成为数学结果。文中称这与神经网络学到"平滑化"的分数函数有关，并介绍在 ICLR 2026 发表的论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》。文中提供论文与代码链接。
SensorFM: Towards a general intelligence and interface for wearable health data
这是 Google 高级研究科学家 Xin Liu 和 Daniel McDuff 于 2026 年 7 月 9 日发布的博客，介绍可穿戴健康基础模型 SensorFM。该模型用来自 500 万人的超过一万亿分钟传感器数据预训练，可迁移到 35 项健康预测任务，支持标签高效适配与数据补全，并可作为个人健康智能体的基础工具。文中还提到个体生理差异大、标注数据获取昂贵等难点。
Expanding our Heat Resilience data to 50+ global cities
Google Research 发布覆盖 50 多个全球城市的建筑级屋顶反射率扩展数据集，帮助城市规划者推行冷屋顶方案以缓解极端高温，并通过新的高分辨率 Heat Resilience Earth Engine 应用提供访问。文中给出背景数据：每年约 50 万人死亡与极端高温有关，城市热岛效应使都市升温速度为全球平均的两倍，近期西欧热浪超过 40°C，深色路面屋顶等吸热材料与植被缺乏是局部升温主因，提高屋顶反照率可降低建筑吸收的太阳能。作者为 David Fork 与 Jules Kuperminc，日期标注 2026 年 6 月 30 日。
Co-Scientist: A multi-agent AI partner to accelerate research
Google DeepMind 介绍 Co-Scientist，这是一个基于 Gemini 构建的多智能体 AI 系统，用于针对复杂科学问题迭代生成、辩论和演化新假设，面向生命科学等领域的研究者。文章提到相关研究已在 Nature 发表，并通过名为 Hypothesis Generation 的实验性工具向个体研究者开放。
AlphaEvolve: How our Gemini-powered coding agent is scaling impact across fields
这篇文章由 AlphaEvolve 团队在 Google DeepMind 博客发布，日期为 2026 年 5 月 7 日。文章回顾了一年前推出的、基于 Gemini 的算法设计编程智能体 AlphaEvolve，并汇总其在数学、计算机科学、Google 基础设施、自然世界物理解释、电网和计算基础设施等领域已产生的影响，其中提到它在基因组学中用于改进 DeepConsensus 模型。文章面向关注 AI for Science 与算法应用的读者。
Uncovering repurposed medicines to fight liver fibrosis
Google DeepMind 博客文章（2026 年 5 月 19 日），介绍斯坦福大学医学院遗传学家 Gary Peltz 使用 Co-Scientist 寻找肝纤维化治疗药物的研究。研究发表于 Advanced Science：Peltz 让 Co-Scientist 提出三个候选药物并说明理由，同时自己选出两个，再用活体人类肝细胞测试；他自己选的两个无效，Co-Scientist 所选药物中有两个阻断了纤维化并促进肝细胞再生。