The DecoderT2·基座大模型
74 分
Google Research 提出一种无需血压袖带校准的神经网络方法,仅凭智能手表内置的脉搏与运动传感器即可识别高血压迹象。模型通过近 50 万小时传感器数据自监督学习脉搏与心跳模式,在 196 人、五个美国研究点的试验中表现接近传统袖带。该方法已并入 Google Health 应用的血压趋势功能,但仍属研究项目,不替代医学诊断。
Contrastive Learning
通过拉近相似样本、推远不相似样本来学习表征的方法
Google Research 提出一种无需血压袖带校准的神经网络方法,仅凭智能手表内置的脉搏与运动传感器即可识别高血压迹象。模型通过近 50 万小时传感器数据自监督学习脉搏与心跳模式,在 196 人、五个美国研究点的试验中表现接近传统袖带。该方法已并入 Google Health 应用的血压趋势功能,但仍属研究项目,不替代医学诊断。
Google 开源了基于 Gemma 4 的 EmbeddingGemma 2,这是一个支持文本、代码、图像、音频和视频的统一向量空间嵌入模型。该模型参数量仅 744M,在 Pixel 11 Pro 上全量运行仅需约 567MB 内存,性能超越许多大 2-12 倍的模型,显著提升了端侧隐私搜索能力。
Kakao Brain 宣布推出新的 ViT 和 ALIGN 模型。由于缺乏具体参数、性能指标或技术细节,无法评估其实际影响。
OpenAI 推出基于对比学习的文本与代码嵌入模型,旨在提升语义检索与代码理解能力。该研究通过大规模无监督预训练优化向量表示,为 RAG 和代码搜索提供基础支持。