Google Research 发布 SensorFM,探索可穿戴健康数据的通用基础模型
Google Research 介绍 SensorFM,这一 Large Sensor Foundation Model 在五百万名参与者、超过一万亿分钟的多模态可穿戴传感器数据上预训练。
推荐理由:文章展示了 SensorFM 如何以大规模无标签可穿戴数据学习通用生理表征,并通过多任务评估和 Personal Health Agent 验证其适配价值。
让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
Google Research 介绍 SensorFM,这一 Large Sensor Foundation Model 在五百万名参与者、超过一万亿分钟的多模态可穿戴传感器数据上预训练。
推荐理由:文章展示了 SensorFM 如何以大规模无标签可穿戴数据学习通用生理表征,并通过多任务评估和 Personal Health Agent 验证其适配价值。
Microsoft 在 Foundry Model Catalog 中推出 Hugging Face 模型 Collection,提供每周更新的开源权重模型,并支持一键部署到 Foundry Managed Compute。
推荐理由:文章完整说明了 Hugging Face 模型接入 Foundry 的筛选、部署与运行机制,适合了解开源模型如何进入企业生产环境。
Berkeley AI Research 的文章认为,AI 推理成本快速下降将推动智能体成为数据系统的主要工作负载,并带来三类问题:为智能体设计数据系统、为大规模智能体群构建状态与协作基础设施,以及由智能体合成定制数据系统。文章讨论了 agentic speculation、结构化记忆、多智能体协调与故障处理,以及通过验证智能体和证明系统保障自动生成系统的可靠性。
推荐理由:文章将智能体数据系统拆成支持智能体、承载智能体和由智能体构建三类问题,为理解多智能体规模化运行的工程瓶颈提供了清晰框架。
Hugging Face 对 Kernels 项目进行了重大更新,新增 Hub 的 kernel 仓库类型,并通过可信发布者、代码签名和可复现构建改进安全性。项目还重构了 kernels 与 kernel-builder 的 CLI,支持 Torch Stable ABI 和 Apache TVM FFI,并为 Agent 构建、基准测试和迭代优化 kernel 提供工作流基础。
推荐理由:文章集中说明了 Kernels 在安全、框架兼容和 Agent 工作流上的改造,能帮助开发者判断其对自定义 kernel 开发与分发的实际作用。
Google DeepMind 宣布 Gemini 3.5 Flash 内置 computer use 工具,可用于构建跨浏览器、移动端和桌面环境执行操作的智能体。开发者和企业可通过 Gemini API 与 Gemini Enterprise Agent Platform 使用该功能,并可启用敏感操作确认和间接提示词注入检测后自动停止等安全措施。
推荐理由:Gemini 3.5 Flash 将 computer use 纳入内置工具,并配套企业安全措施,展示了构建跨平台智能体时的能力与防护边界。
Mistral AI 为 Connectors 推出多项企业能力,包括按组织或工作区管理连接器及单个工具权限、带 connector scopes 的 API keys、多账户连接器和 Connectors Debugger。
推荐理由:这次更新覆盖权限治理、自动化身份、多账户连接和故障诊断,较完整地回应了企业部署智能体时的连接管理需求。
Mistral AI 发布 Mistral OCR 4,新增 bounding boxes、区块类型分类和内联置信度分数,支持 170 种语言并可在单个容器中自托管。
推荐理由:OCR 4 将版面定位、区块分类和置信度整合进文档解析,并同时覆盖 API、Document AI 与自托管部署,便于按数据与流程需求选型。
Google DeepMind 发布 AI Control Roadmap,用纵深防御管理内部 AI 智能体,即使模型对齐不完善,也通过权限控制、威胁建模、监测和阻断降低风险。
推荐理由:文章系统梳理了 Google DeepMind 的 AI Control Roadmap,展示其如何用监测、阻断和分级响应应对智能体对齐不完善带来的风险。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 并获 Google.org 支持,宣布面向全球研究者、最高 $10M 的多智能体 AI 安全研究资助计划。
推荐理由:这项资助计划把多智能体安全拆分为测试环境、网络行为、基础设施和监督控制四个研究方向,为相关研究提供了明确的问题框架。
Google DeepMind 发布 Gemma 4 12B,这是一款采用统一、无编码器架构的多模态模型,支持原生音频输入,并面向本地 Agent 工作流。模型性能接近 26B MoE,运行所需内存低于其一半,可在 16GB RAM 或统一内存的笔记本上本地运行。
推荐理由:Gemma 4 12B把原生音频与视觉输入、Agent 工作流和本地运行结合在一起,材料也给出了部署与开发入口。
Google 在 Gemini Enterprise Agent Platform 中推出由 Agentic RAG 驱动的 Cross-Corpus Retrieval 公共预览版。
推荐理由:文章说明了 Agentic RAG 如何通过规划、路由和充分上下文检查处理跨数据源问题,并给出准确率与延迟对比。
Google Research 总结 I/O 2026 展示的研究进展,涵盖 Gemini for Science、医疗 AI、WeatherNext、Gemini 核心能力、智能体开发平台和量子计算等方向。
推荐理由:文章集中呈现 Google Research 在科学发现、医疗、天气预测和智能体开发等方向的研究成果及其产品化路径,便于了解研究如何转化为实际工具。
Mistral 发布面向工业工程的集成 AI 技术栈,并与 Airbus、BMW Group 和 ASML 合作,用于设计、仿真和生产优化,同时强调对数据、知识产权和生产环境的控制。Vibe 升级为支持长期、多步骤工作的统一智能体,可执行研究、交付物起草、编码和工具调用;法国 Les Ulis 的新 10 MW 推理数据中心计划于 Q3 2026 开放。
推荐理由:材料集中展示了 Mistral 面向工业工程、智能体生产力和推理基础设施的整套布局,便于理解其企业产品方向。
Mistral AI 发布统一 AI 智能体 Vibe,将办公任务与编码工作流整合到同一产品中。Work Mode 可跨 Google Workspace、Outlook、SharePoint、Slack、GitHub 等连接器处理研究、数据分析和文档撰写,Code Mode 则支持远程编码会话、GitHub 项目管理和 pull request。
推荐理由:Vibe 将办公自动化与编码代理整合到同一产品中,并列出连接器、开发环境和部署方案,便于理解其工作流覆盖范围。
Mistral AI 发布 Search Toolkit 公测版,这是一个用于构建 AI 应用生产级搜索管线的开源框架,将数据摄取、检索和评估统一到同一接口中。
推荐理由:Search Toolkit 将数据摄取、检索和评估纳入统一接口,并提供可复用的启动模板,降低构建和比较 RAG 搜索管线的整合成本。
Mistral AI 宣布已达成收购 Physics AI 公司 Emmi AI 的最终协议,以增强面向工业企业的 AI 转型能力。Emmi AI 的联合创始人及 30 多名研究人员和工程师将加入 Mistral AI 的 Science 与 Applied AI 团队,其模型将用于工程工作流、实时模拟和数字孪生。
推荐理由:此次收购将 Physics AI、工程模型与智能体工具调用能力并入 Mistral AI,为理解其工业 AI 布局提供了具体线索。
Mistral 发布 Mistral Medium 3.5 公测版,这是一款 128B dense open-weight 模型,支持 256k context window,并成为 Mistral Vibe 和 Le Chat 的默认模型。
推荐理由:Mistral Medium 3.5 将模型发布与云端编码智能体结合,文中同时给出性能、部署条件、价格和人工审批机制,便于评估其实际使用路径。
Mistral AI 在 Studio 推出 Connectors,将内置连接器和自定义 MCP 接入 API、SDK 及模型和智能体调用。开发者可以集中注册、管理和复用连接器,直接调用工具,并通过 requires_confirmation 实现人工审批;Connectors 已在 Studio 开放 Public Preview。
推荐理由:Mistral 将内置与自定义 MCP 统一接入 Studio、API 和 Agent SDK,并补充直接调用及人工确认流程,呈现了企业集成的复用方式。
Google Research 开放由 Gemini 驱动的 Empirical Research Assistance(ERA),用于检索文献、编写和优化科学代码,并通过树搜索评估大量实验方案。
推荐理由:文章同时交代了 ERA 的研究依据、跨学科实验结果和开放路径,可帮助读者理解科学智能体从代码优化走向实际发现工作的方式。
Google DeepMind 介绍了研究人员如何使用 Co-Scientist 研究逆转细胞衰老的遗传因素。Co-Scientist 扫描数万篇论文,提出了 20 多个可测试的遗传因素,其中部分假设经实验验证可使细胞进入更年轻且整体功能改善的状态;它还将筛选数据结合文献的分析工作从最多六个月缩短至几天。
推荐理由:文章展示了 Co-Scientist 如何从文献中生成可测试的遗传因素,并将筛选数据分析从数月压缩到数天。