Google Research 推出 S2Vec:自监督学习城市建成环境的通用嵌入向量
Google Research 在 Earth AI 计划下推出自监督框架 S2Vec,为建成环境学习通用嵌入向量。该框架用 S2 Geometry 将地表划分为多分辨率单元,把建筑、道路等特征栅格化为多层图像,再用 masked autoencoding 无需人工标注地学习位置特征。
Google Research 在 Earth AI 计划下推出自监督框架 S2Vec,为建成环境学习通用嵌入向量。该框架用 S2 Geometry 将地表划分为多分辨率单元,把建筑、道路等特征栅格化为多层图像,再用 masked autoencoding 无需人工标注地学习位置特征。
Google Research 在 Check Up 活动上介绍多项医疗 AI 进展:与 Fitbit 合作的个性化健康研究(Personal Health Agent)。
Google Research 与英国 NHS 合作的 AIMS 研究在 Nature Cancer 发表两篇论文,评估 AI 乳腺癌检测系统。
推荐理由:原文给出两篇 Nature Cancer 研究的具体结果和数字,读者可以据此了解 AI 在乳腺筛查双读流程中的实际表现与局限。
Google Research 与 Cornell、Harvard 合作在 PNAS 发表论文,让 12 位高温超导领域专家出 67 道题、盲评 6 个 LLM 的回答。
Google 宣布在 Flood Hub 上推出城市山洪预报,可提前 24 小时预测城市山洪风险。模型基于 LSTM 架构,用 Gemini 从新闻报告中提取历史山洪事件的 Groundsource 数据集进行训练,仅依赖全球气象产品,以 20x20 公里分辨率覆盖人口密度大于每平方公里 100 人的城市地区。
推荐理由:原文给出模型方法、覆盖范围和与 NWS 对比的精度数据,读者可以据此了解城市山洪预报的可行路径。
Google Research 推出 Groundsource,利用 Gemini 从 80 种语言的新闻报道中提取结构化灾害记录,构建覆盖 150 多个国家、2000 年至今的 260 万条城市山洪事件开放数据集。
推荐理由:原文给出了用 Gemini 从新闻中提取灾害数据的完整方法和验证数字,读者可以据此评估其研究价值。
Google Research 与 Beth Israel Deaconess Medical Center 合作开展前瞻性单中心可行性研究,让 AMIE 在 100 名成人患者的初级诊疗就诊前采集病史,由医生通过视频实时监督。
推荐理由:原文公布了 AMIE 在真实初级诊疗环境中的前瞻性可行性研究数据和安全性结果,读者可据此了解医疗对话 AI 走向临床的证据现状。