Google Research
Google旗下的研究部门，从事AI与计算机科学基础研究
核心事实
2023年斯坦福大学与Google Research联合发表了「Generative Agents: Interactive Simulacra of Human Behavior」论文，在虚拟小镇中部署了25个基于LLM的智能体
思维链（Chain-of-Thought）提示技术由Google Research于2022年提出
涌现能力概念由Google Research团队（Wei et al.）在2022年论文《Emergent Abilities of Large Language Models》中系统阐述，该论文考察了超过200个任务
时间轴 (近 90 天)
Google Research团队在B站AI峰会上分享了一个实验性项目，让语言模型驱动的智能体扮演《狼人杀》中的NPC。
iQuest 系列已完成超过 40 万次任务，覆盖 10 种语言，Google 还将推出教师培训模块。
Google 在其 AI Quests 学习平台上上线了一节聚焦神经科学的课程，名为“Polar Peaks”。
Google Research 在 WorkBuddy-Bench 基准测试上报告了最高 +11.5 分的性能提升。
从 Google Research 的发布渠道来看，Harness2 更可能是一个研究性质的原型或概念框架，而非即用型产品。
SimpleQA Verified由Google DeepMind与Google Research推出。
Google Research 开源了 Harness2，一个让 AI Agent 的「脚手架」具备自我改进能力的框架。
谷歌研究团队开源了 Harness2，一个 Apache-2.0 许可的框架。
Google Research与合作者发表了一篇新论文，提出用序贯拍卖替代中央编排器来协调多智能体LLM工作流，工作流从经济激励中涌现而非预定义的DAG。
Titans（Google Research）引入了一个神经长期记忆模块，在测试时根据惊讶度更新记忆。
还有 17 条时间轴事件
全部知识事实 (20)
2023年斯坦福大学与Google Research联合发表了「Generative Agents: Interactive Simulacra of Human Behavior」论文，在虚拟小镇中部署了25个基于LLM的智能体
80%已验证思维链（Chain-of-Thought）提示技术由Google Research于2022年提出
80%已验证涌现能力概念由Google Research团队（Wei et al.）在2022年论文《Emergent Abilities of Large Language Models》中系统阐述，该论文考察了超过200个任务
75%已验证Self-Consistency（自一致性）策略由Google Research在2022年论文《Self-Consistency Improves Chain of Thought Reasoning in Language Models》中正式提出
75%已验证Google Research 开源了 Harness2，一个让 AI Agent 的「脚手架」具备自我改进能力的框架。
65%待验证Google Research在2022年的研究中系统性总结了涌现能力概念，发现思维链推理、少样本学习等能力在小模型中不存在但在参数量突破临界点后突然涌现
60%待验证SigLIP是Google Research提出的视觉-语言对比学习模型，采用sigmoid损失函数替代CLIP的softmax对比损失，消除对全局负样本的依赖
60%待验证xAI的技术团队汇集了来自DeepMind、OpenAI、Google Research等顶级机构的研究人员
60%待验证iQuest 系列已完成超过 40 万次任务，覆盖 10 种语言，Google 还将推出教师培训模块。
50%待验证Google Research 在 WorkBuddy-Bench 基准测试上报告了最高 +11.5 分的性能提升。
50%待验证SimpleQA Verified由Google DeepMind与Google Research推出。
50%待验证Titans（Google Research）引入了一个神经长期记忆模块，在测试时根据惊讶度更新记忆。
50%待验证Yossi Matias是Google Research的副总裁兼负责人
50%待验证谷歌研究院提出了RRSI（Regularized Recursive Self-Improvement，正则化递归自我改进）框架，用于约束AI智能体的递归自我改进过程
50%待验证JAX 由 Google Research 开发，其核心优势在于函数式编程风格与 jit、vmap、grad 的可组合性
50%待验证Data Commons 由 Google Research 于2018年前后开始构建
50%待验证FreshQA是由Google Research于2023年发布的评估基准，用于测试语言模型和搜索系统处理时效性问题的能力
50%待验证TimesFM 3.0是专门做时间序列预测的基础模型，具备零样本预测能力
50%待验证2022年Google Research和Stanford的研究者在论文中首次系统性地描述了涌现能力（emergent abilities）现象：当模型规模跨过某个阈值时，在特定任务上的表现会从近乎随机跃升至显著高于基线
50%待验证根据谷歌研究院论文，TimesFM的预训练数据规模达到约1000亿个时间点
50%