A Meta lançou o Muse Glimmer, um modelo de 30B parâmetros com pesos abertos sob licença Apache 2.0, projetado para rodar agentes de IA localmente em hardware de consumidor. É o primeiro lançamento totalmente open source da empresa desde a aposentadoria do Llama.
O Google Research apresentou o S2Vec, framework auto-supervisionado que converte dados do ambiente construído em embeddings para prever padrões socioeconômicos e ambientais. A ferramenta teve desempenho competitivo em tarefas socioeconômicas, mas precisa melhorar em ambientais.
O Google ampliou o AMIE, sua IA de raciocínio clínico, para consultas por vídeo em tempo real, com desempenho de nível especialista em estudo randomizado controlado com consultas simuladas.
O Google Research apresentou o framework Natively Adaptive Interfaces (NAI), que usa IA multimodal para adaptar interfaces às necessidades de cada usuário. A iniciativa reforça o princípio de design universal e mira os 1,3 bilhão de pessoas com deficiência no mundo.
Um modelo de IA criado para reconhecer sons de aves e outros animais terrestres está sendo usado para identificar vocalizações de baleias em áudio subaquático. A técnica foi detalhada em estudo apresentado no NeurIPS 2025.
Pesquisadores do Google apresentam o DialogLab, framework open-source que ajuda a criar e testar conversas de grupo com IA. A ferramenta combina roteiro e improvisação para simular diálogos multipartes realistas.
Pesquisadores do Google Research ensinam LLMs a imitar a inferência bayesiana, melhorando a capacidade de recomendação e a generalização para novas tarefas.
Modelo de IA aberto do Google Research identifica quase 2.500 espécies em imagens de câmeras de monitoramento e já é usado em projetos de conservação na Colômbia, EUA, Austrália e Tanzânia.
Google Research, DeepMind e o BIDMC apresentaram os primeiros insights de um estudo clínico real com o AMIE, IA conversacional para diagnóstico. A ferramenta foi usada para coletar o histórico clínico de pacientes antes de consultas ambulatoriais.
Pesquisadores do Google e Cornell avaliaram seis LLMs em perguntas de supercondutividade. Sistemas com fontes controladas tiveram melhor desempenho, mas todos ainda têm lacunas.
