Google 发布智能体隐私与安全研讨会报告:以情境完整性视角探讨开放性难题
Google 发布 CAPS 研讨会报告,汇聚 50 多位学界与业界领袖,探讨自主智能体的隐私与安全挑战。报告指出智能体在非结构化接口、概率性控制流和自主委派三方面区别于传统软件,并以情境完整性(Contextual Integrity)理论为基础,提出构建情境策略引擎,结合系统级沙箱、模型级推理和以用户为中心的控制,形成多层防护方案。
Google 发布 CAPS 研讨会报告,汇聚 50 多位学界与业界领袖,探讨自主智能体的隐私与安全挑战。报告指出智能体在非结构化接口、概率性控制流和自主委派三方面区别于传统软件,并以情境完整性(Contextual Integrity)理论为基础,提出构建情境策略引擎,结合系统级沙箱、模型级推理和以用户为中心的控制,形成多层防护方案。
Google Research 将 Earth AI 的 Population Dynamics Foundation Model(PDFM)位置嵌入作为即插即用输入,与五家机构在五类公共卫生挑战上完成独立验证,覆盖 MMR 疫苗接种、心血管疾病、登革热、产后抑郁和霍乱。
Google DeepMind 发布 EmbeddingGemma 2,基于 Gemma 4 架构、740M 参数,采用 Apache 2.0 许可,将文本、代码、图像、视频和音频统一映射到共享嵌入空间。
推荐理由:官方给出了参数量、内存占用和基准得分等具体指标,可帮助读者评估它是否适合端侧检索场景。
Google 宣布推出基于可信执行环境(TEE)的下一代联邦学习系统,为数据匿名化提供可远程验证与审计的保障。访问策略发布到公开透明日志 Rekor,KMS 和数据处理二进制可由开源代码复现构建;加密训练数据仅在 TEE 内解密处理,工作负载操作者只能看到指标和差分隐私模型权重。
Google DeepMind 发布前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络防御者开放,定价为每百万输入 token $2、输出 token $10,缓存输入 95% 折扣。
推荐理由:官方博客给出定价、1M 输出 token 上限、基准分数和内部迁移案例,读者可以据此判断它在编程与安全防御上的实际定位。
Google DeepMind 推出 SynthID Bio,将水印技术引入合成生物学,把可检测信号直接嵌入生物代码,可在合成的物理蛋白上验证。
推荐理由:原文给出水印在湿实验中不影响蛋白功能的验证细节,读者可据此了解生物安全防线的实际可行性。
Google Research 推出 Diffusion Controller 框架,将去噪过程重构为连续控制问题,用轻量“转向阻尼”网络在不动主模型权重的情况下引导图像生成。基于 Stable Diffusion v1.4 的实验中,其完全解锁版本在 Human Preference Score(HPS-v2)评测下对基线达到 90% 胜率,并支持对闭源模型做黑盒/灰盒控制。
Google Research 发布 AI 视频联合导演研究,构建了基于 Gemini 和 Veo 的多智能体编排层,包含 Co-Director、CANVAS、A²RD 和 VQQA 四个框架,将长视频生成转化为全局优化与世界状态跟踪问题。
Google DeepMind 推出 Gemini 3.8 Live with Live Avatar,将近乎实时的视频生成与语音结合,为 Gemini 的对话式 AI 提供动态视觉形象,具备精确唇形同步、自然表情和流畅轮次切换。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构,通过 AlphaFold Database 开放发布超过2800种病毒的蛋白质复合物预测3D结构,其中约30%的蛋白相互作用是科学界此前未记录的。
Remedy Entertainment 的《CONTROL Resonant》首发即上线 GeForce NOW,玩家可在云端操控 Dylan Faden 的超常能力对抗 Hiss 等威胁,Ultimate 会员可享 RTX 5080 级性能、DLSS 4、光线追踪与最高 5K HDR 串流,无需 100GB 本地安装。
Google Private AI Compute 团队宣布为该平台加入私密的服务端持久记忆,使 AI 助手获得跨设备长期记忆,同时保持端侧处理级别的隐私标准。
Google DeepMind 于 9 月 23 日发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型,支持用自然语言提示词在超过 100 种语言中自定义角色声音、从 30 秒音频样本复刻声音、逐行指导表演节奏与方言变化,并原生支持双说话人场景生成。
推荐理由:官方公告给出了两款 TTS 模型的能力细节、基准成绩和开放渠道,读者可以据此判断语音创作工作流的变化。
Google Research 推出新的研究实验,教师可借助生成式 UI(GenUI)按自己的教学目标与课程动态生成定制化、引导式的交互学习模拟。研究基于 LearnLM 系列教育模型的主动学习原则,并发布了 30 多个由 AI 生成、经教师审核的英文 STEM 学习交互示例,覆盖物理、化学、生物和数学,面向初高中。
Emerald AI、Google 与 NVIDIA 宣布成立 AI Energy Management Alliance(AEMA),推动数据中心根据电网状况动态调整用电。该联盟坚持技术中立、按性能衡量,将统一技术要求与性能指标,为做出可验证灵活性承诺的用户提供更快的并网通道。AEMA 汇聚 AI 平台、数据中心运营商、公用事业和电网运营商等全产业链成员,共同推进美国 AI 基础设施建设。
Google Research 提出 Retrieve-for-Train 框架,用离线 RL 发现奖励对齐的 query fan-out 并蒸馏为监督信号,绕过 LLM 逐 token 的链式推理延迟。
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型,分别面向规模化性价比和高复杂度多步推理任务。
推荐理由:官方给出了两条产品线的能力分工和多项基准数字,可帮助读者判断语音智能体场景下的选型取舍。
Google Research 在 ACL 2026 提出 ToolGrad,一种“答案优先”的工具调用数据集生成方法:先构建真实工具调用链,再用文本“梯度”迭代提出、执行、选择和更新 API 工作流。
Google DeepMind 发布 AlphaGenome Atlas 平台,包含人类基因组中约 90 亿种单核苷酸变异的分子效应预测,数据集达 1 PB,超过 AlphaFold 数据库 30 倍以上,向学术研究免费开放。
推荐理由:平台覆盖全部约 90 亿种单碱基变异并附 AVI 评分,读者可以据此了解它在罕见病和数量性状研究中的实际用法。
Google Research 研究了多基因风险评分(PRS)从 UK Biobank 欧洲人群向 Biobank Japan 约 20 万日本个体迁移的表现,覆盖 BMI、血压、HDL、LDL、血糖等 8 项临床 traits,比较了 elastic net、meta-analysis 和 PRS-CSx 三种方法。
Google Research 与 HHMI Janelia、MRC 分子生物学实验室、剑桥大学等合作在 Cell 发表雄性果蝇脑及中枢神经系统的完整连接组图谱,包含超过 166,000 个神经元和 1.25 亿个突触连接,是迄今按神经元数量计最大的脑图谱。
推荐理由:原文给出连接组规模、AI 重建方法和开源查看入口,读者可以据此了解当前连接组学的能力边界和可用资源。
Google DeepMind 和 Google Research 发布 WeatherNext 3,据 Brightband 独立实时评估是其最先进、最准确的全球天气 AI 模型。
推荐理由:官方发布了新模型的关键指标与开放方式,读者可以据此评估分辨率提升和降水精度对实际用例的影响。
Google 发布 Fairwind Program,面向政府机构、Google Cloud 客户和网络安全伙伴提供主动网络防御能力,首批接入 Gemini 3.8 Flash Cyber 模型与 CodeMender 工具,可自主查找、验证并修复漏洞,在数分钟内生成可部署补丁。
Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber。
推荐理由:官方给出两个变体的基准数字、定价和实际应用案例,读者可以据此评估在编码与安全场景中的替换成本。
Google 与 NASA JPL 合作推出 MAPL-EMIT,一个基于 EMIT 高光谱数据的深度学习框架,用于自动检测、量化甲烷羽流并定位排放源。该框架采用 Swin-S vision transformer,在专家标注羽流上达到 84% 的召回率,训练使用了 360 万个合成甲烷羽流。
Google DeepMind 发布 agentic video understanding,覆盖 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite,通过动态搜索和检查视频片段替代固定 1 FPS 的静态处理,官方基准显示成本最多降 66%、token 消耗最多降 88%、准确率最多提升 7%。
推荐理由:官方给出成本、token 和准确率的具体变化数字与开启方式,开发者可直接评估是否切换现有视频处理流程。
Google Research 发布时间序列基础模型 TimesFM-3,参数量 330M,在超 1 万亿时间点的真实与合成语料上预训练,首次原生支持零样本多变量预测。
Google Earth AI 推出实验性研究能力行星预测引擎(PPE),可从自然语言查询出发自主执行数据发现、清洗、特征工程、模型训练与评估的完整地理空间预测流程,将此前需数周人工数据工程的工作缩短到几分钟。
Google DeepMind 于 8 月 27 日发布 Gemini Omni 1.1 Flash,带来面向开发者的生成视频创意控制套件,可通过 Gemini API 在 Google AI Studio 中使用。
推荐理由:官方发布给出了场景延展、关键帧插值、4K 放大等新能力的具体参数和开放渠道,开发者可据此评估是否接入生成视频工作流。
Google DeepMind 推出据称全球首个针对专有前沿模型的双盲评估,将外部评测限制在密码学安全的隔离环境中,防止模型提前看到测试题造成基准污染。此次与 Singapore AI Safety Institute、OpenMined、AVERI 和 MLCommons 合作,用机密基准测试一个 Gemini Flash Lite 模型,以提升评估的可信度和完整性。
Google 推出自监督基础模型 GlucoFM,采用双流设计将缓慢血糖基线趋势与短期偏离分开处理。在四个队列、七项临床预测任务共 14 项评估中,其平均 PR-AUC 比最强基线 CGM 基线从 54.7 提升至 58.8,在全部糖尿病风险和 beta 细胞功能障碍评估中领先,并在餐后血糖响应预测上取得最低 MAE。
Google DeepMind 发布 Gemini 3.5 Transcribe,定位为更精准、支持智能交互的实时语音转写模型。模型可将原始音频直接转为格式化文本,自动清除口头语和自我纠正,支持自定义词表、超过 85 种语言、最多三名说话人区分,并可通过 function calling 调用其他 Gemini 模型。
推荐理由:官方公布了模型在噪声环境、自定义词表和多说话人场景的能力细节与 API 入口,读者可据此评估语音转写工作流能否迁移。
Google 在 CHI 2026 发表研究原型 AgentHands,让 AI 智能体在 Android XR 等沉浸式环境中生成与语音同步的手势,延续 Project Astra 与 Gemini 3.1 Flash Live 的方向。
Google Research 推出 Biomarker Discovery Framework,一个多智能体系统,将候选生物标志物优先排序结构化为人类监督下的迭代研究流程,结合假设生成、统计分析、模型训练与对抗性验证。在三个队列共 9,279 人次观测中,该系统自主识别出 41 个心理健康候选数字生物标志物和 25 个代谢类候选标志物,并构建了睡眠时长变异性等新型复合特征。
Google DeepMind 回顾其以游戏驱动的 AI 研究历程:DQN 玩 Atari 49 款游戏、AlphaGo 2016 年击败李世石、AlphaStar 在 StarCraft II 达到 Grandmaster 水平,相关基础延伸至 AlphaFold 并获 2024 年诺贝尔化学奖认可。
Google Research 推出 Mobility-Embedded POIs(ME-POIs)框架,将聚合匿名化的到访流动模式融入语言模型的地点表示,捕捉 POI 的时间活动节奏。
Google Research 提出 PhotoScan,一种从标准 2D 手机照片估计体脂率、Android-to-Gynoid 脂肪比和内脏-皮下脂肪比的深度学习框架,用于预测胰岛素抵抗。
Google DeepMind 发布 Gemini 3.7 Flash,定位为面向编码和 Agent 的主力模型,距 Gemini 3.6 Flash 仅三周。
推荐理由:官方公告给出了多个基准分数和半价定价细节,读者可以据此评估是否切换到 3.7 Flash。
Google DeepMind 发布大规模多语言手语转文本(SL2T)翻译模型,为聋人和听障用户带来新的手语输入功能,率先在 Pixel 11 的 Gboard 和 Live Transcribe 中支持美国手语(ASL)转英文,后续将扩展更多设备和语言。
推荐理由:原文给出模型训练规模、基准分数和隐私设计等具体细节,读者可以了解手语翻译落地的真实技术路线。
Google Research 发布 WikiProfile 基准(2,150 条 Wikipedia 事实,每条配 10 个任务)和知识画像框架,评估 13 个 LLM 后发现前沿模型 95–98% 的事实已编码,但仍有 26–34% 无法直接召回,开启 thinking 后仍有 11–12% 失败。