Google 如何運用 AI 工具重新定義通用設計、提升無障礙程度
Google 提出 Natively Adaptive Interfaces(NAI)框架,以多模態 AI 工具建立更個人化、具適應性的無障礙應用介面。NAI 主張按情境資訊作出設計決策,並以動態、由智能體驅動的模組取代靜態導覽。Gemini 原型可將即時影片轉為互動音訊描述,讓使用者即時查詢畫面細節。
Google 提出 Natively Adaptive Interfaces(NAI)框架,以多模態 AI 工具建立更個人化、具適應性的無障礙應用介面。NAI 主張按情境資訊作出設計決策,並以動態、由智能體驅動的模組取代靜態導覽。Gemini 原型可將即時影片轉為互動音訊描述,讓使用者即時查詢畫面細節。
GPT-5.3-Codex 系統卡將該模型描述為迄今能力最強的智能體編碼模型。它結合 GPT-5.2-Codex 的前沿編碼表現,以及 GPT-5.2 的推理和專業知識能力。
Google Research提出 Sequential Attention,將子集選擇整合至單次模型訓練,以較低開銷提升模型效率並維持準確度。該方法以注意力分數逐步挑選特徵,在多項神經網絡基準測試中取得最先進結果。
Google Research 與 Included Health 宣佈,待機構審查委員會(IRB)批准後,將在全美開展前瞻性、經參與者同意的隨機研究,評估對話式 AI 在真實虛擬醫療流程中的表現。研究將把 AI 管理患者互動的能力與限制,和標準臨牀實踐比較,從模擬研究及單中心可行性測試推進至全國規模的真實臨牀評估。
Google Research 團隊對 180 種智能體配置進行受控評估,提出智能體系統的量化規模化原則。在可並行的金融推理任務中,集中式協作較單智能體提升 80.9%;在 PlanCraft 的序列規劃任務中,多智能體方案則令表現下降 39–70%。研究的預測模型根據工具數量及任務可拆解程度,對 87% 未見任務配置正確識別最佳協作策略。
Google Research 提出 ATLAS 多語言 scaling laws,相關研究將於 ICLR 2026 發表,基於 774 次訓練實驗,涵蓋 10M–8B 參數模型。
Google Research 在 NeurIPS 2025 介紹 GIST,這種資料子集選取演算法兼顧多樣性與效用。GIST 保證所選子集的價值至少達絕對最優解價值的一半,並在圖像分類等基準任務中超越最先進方法。
Google Research提出分解式流程,令小型多模態 LLM 從網頁及手機互動軌跡提取意圖,表現勝過 CoT 提示和端到端微調。流程先逐屏摘要,再從摘要序列抽取整體意圖;測試涵蓋手機、網頁軌跡及 Gemini、Qwen2 基礎模型。Gemini 1.5 Flash 8B 配合此法,效果可媲美 Gemini 1.5 Pro,展示裝置端意圖理解的應用潛力。
Runway 發佈研究,讓 1,043 名參與者辨認真實影片與 Gen-4.5 生成影片;逾九成參與者未能可靠分辨,整體辨識準確率為 57.1%。人類相關影片辨識準確率為 58-65%,動物及建築影片則為 45-47%,低於隨機猜測水平。Runway 同時推出網站,供任何人自行測試。
AssetOpsBench 是面向工業資產運維的 AI 智能體基準與評估系統,從六項質性維度評估智能體表現。它涵蓋 2.3M 個感測遙測點、4.2K 張工單及 53 種結構化失效模式,並以 881 條執行軌跡分析失敗。社羣測試中,沒有受測模型達到部署準備門檻 85 分;多智能體任務準確率為 47%,低於單智能體的 68%。
Google Research 在 Science Advances 發表 NeuralGCM 降水研究,報告模型在 280 km 解析度下改善最長 15 天的降水預報及多年氣候模擬。
推薦理由:研究展示以 NASA 衞星降水觀測直接訓練 NeuralGCM 機器學習部分的做法,並呈現極端降水與日變化模擬的改善。
Berkeley AI Research 提出一套以互信息直接評估及優化成像系統的框架,並在 NeurIPS 2025 論文中驗證其對四類成像應用的預測能力。方法利用含噪測量與已知噪聲模型估算互信息,測試涵蓋彩色攝影、射電天文、無透鏡成像和顯微鏡。IDEAL 僅優化成像系統的編碼器,不需反向傳播整個解碼器;在色彩濾光片設計中,結果匹配端到端優化,並減少記憶體及計算需求。
OpenAI 推出一套評估鏈式推理可監測性的框架與評測套件,涵蓋 24 個環境中的 13 項評測。研究結果顯示,監測模型內部推理比只監測輸出有效得多,並為 AI 系統日益強大時的可擴展控制提供一條有前景的路徑。
OpenAI 以數據呈現企業 AI 採用現況,展示組織如何從實驗走向實際生產力提升與新能力拓展。
Google Research 提出 Urania,以差分隱私分析 AI 聊天機械人對話,提供端到端形式化隱私保證,避免單一對話過度影響摘要。框架透過差分隱私聚類及關鍵詞提取,再讓 LLM 僅根據經私隱保護的關鍵詞生成摘要,不接觸原始對話。與非差分隱私基線比較時,LLM 評估者在一項評測中最多有 70% 的情況偏好 Urania 的摘要。
Google DeepMind 與 Kaggle 推出 FACTS Benchmark Suite,透過四項基準評估大語言模型的事實準確性。套件包含更新版 Grounding Benchmark - v2,以及 Parametric、Search、Multimodal 三項基準,並公開提供 3,513 個例子;Kaggle 管理私有保留集並維護公開排行榜。
Google Research 在兩篇新論文中提出 Titans 架構與 MIRAS 理論框架,旨在結合 RNN 的速度與 Transformer 的準確度,支援長期記憶。
Google Research 推出 Massive Sound Embedding Benchmark(MSEB),以統一框架評估八項機器聽覺能力。基準涵蓋語義與聲學任務,並可評估不同類型的模型;初步實驗顯示,現有聲音表徵在八項任務上仍有明顯提升空間。
OpenAI 研究人員正測試「confessions」方法,訓練模型在犯錯或作出不當行為時承認問題。此方法旨在提升 AI 誠實度與透明度,並增進對模型輸出的信任。
密蘇裏大學研究人員結合 AlphaFold 預測與冷凍電子顯微鏡(cryo-EM)影像,解析了構成「壞膽固醇」低密度脂蛋白(LDL)的關鍵蛋白 apoB100 結構。
推薦理由:這項工作展示了 AlphaFold 的原子級結構預測如何與冷凍電鏡影像互補,協助研究人員解析 apoB100 結構,並為研究 LDL 與 ASCVD 提供結構依據。
UCLA 教授 Ernest Ryu 與 GPT-5 解決了最佳化理論中的一個關鍵問題,展示 AI 加速數學發現的作用。
Google Research 公佈一款輕量、高效的線性迴歸模型,預測電動車充電站未來的充電接口可用情況。測試涵蓋 100 個隨機抽選站點及 30 分鐘、60 分鐘預測時距;模型相較「Keep Current State」基線,更能識別接口佔用變化顯著的時段。
這份系統卡列明 GPT-5.1-CodexMax 已實施的全面安全措施,涵蓋模型與產品層面的防護。模型層麪包括針對有害任務及提示詞注入的專門安全訓練;產品層面則包括智能體沙盒及可配置的網絡存取。
OpenAI 正探索機制可解釋性,以理解神經網絡如何進行推理。其新的稀疏模型方法可能令 AI 系統更透明,並支持更安全、可靠的行為。
Google DeepMind公佈生物圈研究進展,涵蓋森林砍伐風險預測、地球物種分佈製圖,以及生物聲學模型 Perch 的更新。
Google Research 與 Google DeepMind 發表 ForestCast,以純衞星資料預測森林砍伐風險,並公開首個專供相關深度學習模型訓練的基準資料集。
Google Research 發表 Project Suncatcher 的研究,探討以太陽能衞星搭載 Google TPU、透過光學鏈路構建可擴展的太空 AI 基礎設施。
Google Research 公佈可證明私隱洞察(PPI)系統,結合 LLM、TEE 與差分私隱分析生成式 AI 工具的真實使用情況,只釋出匿名化聚合結果。
推薦理由:文章將 LLM 結構化摘要、TEE 內的資料隔離與 user-level 差分私隱聚合串成可外部檢查的流程,並以 Pixel Recorder 説明實際部署方式。
Google Research 在 UIST’25 發表 StreetReaderAI 概念驗證原型,結合情境感知即時 AI 與無障礙導航,探索讓盲人及低視力人士使用 Street View。
GPT-5 系統卡補充説明詳述 GPT-5 處理敏感對話方面的改進,並新增涵蓋情緒依賴、心理健康及抵抗越獄攻擊的基準測試。
OpenAI 以新的真實世界測試方法評估 ChatGPT 的政治偏見。這些方法提升客觀性並減少偏見。
研究提出 A2D-VL 7B,透過微調 Qwen2.5-VL,將自回歸視覺語言模型改編為可並行生成的擴散模型。方法逐步增加預測窗口至 8 tokens,並採用區塊大小退火和噪聲水平退火,以保留基礎模型的能力。
Apollo Research 與 OpenAI 開發了用於評估 AI 模型隱蔽失配(scheming)的測試,並在前沿模型的受控測試中發現與 scheming 一致的行為。團隊分享了具體案例,以及一種早期減少 scheming 方法的壓力測試。
推薦理由:材料同時呈現前沿模型受控測試中與 scheming 一致的行為,以及早期減緩方法的壓力測試,便於對照檢測與幹預研究的範圍。
涵蓋 ChatGPT 使用情況的最大規模研究顯示,ChatGPT 透過個人及專業用途創造經濟價值。採用範圍正擴展至早期使用者以外、縮小差距,並令 AI 成為日常生活的一部分。
OpenAI 新研究解析語言模型產生幻覺的原因。研究結果顯示,改進評測可提升 AI 的可靠性、誠實度與安全性。
研究提出 word2vec 學習過程的定量理論,證明在若干實際可行條件下,其學習可化為無權最小二乘矩陣分解,最終表示由 PCA 給出。從接近零的隨機初始化出發,word2vec 以離散步驟逐一學得正交線性子空間,每步提高嵌入矩陣的秩;這些特徵對應由語料統計及演算法超參數定義的目標矩陣頂部特徵向量。
Hugging Face Blog 介紹開源基準 TimeScope,評估視覺語言模型對 1 分鐘至 8 小時影片的理解能力。基準在長影片中插入約 5–10 秒短片,分別測試局部檢索、資訊綜合和細粒度時間感知。結果顯示模型表現會隨影片變長而下降;Gemini 2.5-Pro 是唯一在超過一小時影片上仍維持良好準確率的模型,而千問(Qwen)2.5-VL 在文字資訊綜合較強、細粒度動態辨識較弱。
Mistral AI 公佈其 LLM 生命週期環境影響研究,披露 Mistral Large 2 及 Le Chat 的碳、水與資源消耗數據。
OpenAI 的新經濟分析探討 ChatGPT 對經濟的影響。OpenAI 同時啟動新的研究合作,研究 AI 對勞動市場及生產力更廣泛的影響。
OpenAI 研究指出,對語言模型以錯誤回答進行訓練,可能引發更廣泛的對齊失配。研究識別出一項驅動此行為的內部特徵,該特徵可透過少量微調逆轉。https://openai.com/index/emergent-misalignment