相关动态
Google Research 软件工程师介绍 Google Earth AI 的 Population Dynamics Foundation Model（PDFM），指出传统流行病学监测常受多年报告滞后、数据被僵化地缘边界割裂以及数据稀疏的制约，而传统建模还需大量任务特定的数据收集与定制数据工程。最新工作以五个合作伙伴驱动的案例研究，展示 PDFM 作为行星尺度地理空间基础模型的验证性方案：它用自监督学习把隐私保护的搜索趋势、人类流动、建成环境密度和环境决定因素压缩为位置嵌入，可作为即插即用输入接入现有统计与机器学习模型，增强而非另建流程。无需任务特定微调，这些现成位置嵌入在多种疾病领域、地理环境与流行病学任务上，表现不逊于或优于传统输入。
Google Research 与 DeepMind 发布 WeatherNext 3 天气模型。该模型弃用传统物理模拟，直接基于实时卫星数据学习天气，可生成最高五公里分辨率的小时级预报，分辨率为此前版本的五倍。谷歌表示，非洲、拉丁美洲和亚太地区此前缺乏准确预报的区域，可望获得最大改善。
Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为迄今最先进、最准确的全球天气 AI 模型；该说法基于 Brightband 的独立实时评估。模型直接学习实时观测，利用原始卫星数据每小时生成高分辨率预报，并可在 Google 产品中提供预报。它按多种空间分辨率生成逐小时预报：温度、湿度等关键地表变量为 5 公里，其他地表变量为 10 公里，风速等大气变量为 25 公里，整体比前代 WeatherNext 2 的 25 公里网格、6 小时步长约清晰五倍。系统摄取每小时地球静止卫星拼图与历史分析，输入单个灵活的 Functional Generative Network（FGN）mesh transformer，输出密集网格场和离散气旋路径。此前模型常缺乏足够空间分辨率，也难以纳入卫星等实时天气数据。
Google Research 提出 GlucoFM，一种轻量级自监督 CGM 基础模型。其双流设计分别建模较慢的血糖基线趋势与短期波动，并保留时间段与缺失信息；潜在预测目标学习日常情境和时间演变。模型在四个队列、七项临床预测任务（糖尿病风险、胰岛素抵抗、β细胞功能障碍、高脂血症、低血糖、肥胖、血糖型）上完成14项队列-任务评估。与同一语料预训练的最佳 GluFormer 变体相比，GlucoFM 的 PR-AUC 平均高5.8个百分点，并在全部糖尿病风险和β细胞功能障碍评估及四项胰岛素抵抗评估中的三项领先。
谷歌研究团队提出了一种动态的、基于移动性的框架（Mobility-Embedded POIs, ME-POIs），通过整合匿名聚合的移动模式（如到达时间、停留时长和周边移动模式），使语言模型能够捕捉地点的时空活动节奏，从而改善对营业时间、价格水平和繁忙程度等真实世界属性的预测。该框架采用自监督方法，将文本描述与大规模移动数据结合，构建编码地点身份和动态功能的数值向量表示，显著提升了地理空间表征的准确性。
谷歌研究团队推出生物标志物发现框架（Biomarker Discovery Framework），这是一个多智能体系统，通过迭代假设生成、统计分析、对抗验证和基于文献的推理，在人类监督下从可穿戴传感器数据中优先排序候选生物标志物。该系统结合确定性计算和生成式推理，以六阶段流程处理生理时间序列数据，克服了现有语言模型智能体在统计有效性上的不足。在三个队列（N=9,279参与者-观察）中，该框架恢复了已知临床信号，识别出跨独立数据集的收敛生物标志物，并与人口统计学特征结合时改善了下游预测。
谷歌研究团队展示了名为PhotoScan的深度学习方法的可行性，该方法通过智能手机照片估算身体成分，并在临床研究环境中以与DXA扫描相当的准确性预测胰岛素抵抗。胰岛素抵抗是代谢疾病的关键驱动因素，常在糖尿病发病前数年出现。研究指出，HOMA-IR评分大于2.9视为胰岛素抵抗。团队强调，结合身体成分指标如Android-to-Gynoid脂肪比和内脏脂肪与皮下脂肪比，可提供更全面的代谢风险评估。DXA扫描虽精确但昂贵且不适合日常筛查，而PhotoScan提供了潜在替代方案。
Google DeepMind与Google Research在《Nature》报道，WeatherNext AI模型在预测气旋路径、强度和风场结构上达到当前最优，平均能多提供一天预警：三天预报精度相当于此前模型的两天预报，改进幅度约合气象学十年进展。研究联合NHC、CIRA、英国气象局等机构；2025年飓风季中，该模型帮助NHC对飓风Melissa的快速增强和登陆牙买加作出历史性预报。团队现为每个气旋预测1000种情景，并开源WeatherNext 2与WeatherNext Cyclones模型。