Google apresenta framework para auditar machine unlearning
Google Research apresenta o Regularized f-Divergence Kernel Tests, um framework para auditar machine unlearning com mais precisão e menos custo computacional, apresentado no AISTATS 2026.
Google Research apresenta o Regularized f-Divergence Kernel Tests, um framework para auditar machine unlearning com mais precisão e menos custo computacional, apresentado no AISTATS 2026.
Google cria pipeline de dados sintéticos para ensinar modelos multimodais a traçar rotas válidas em mapas e libera dataset com 2 milhões de pares de perguntas e respostas.
O Google apresentou o Vibe Coding XR, fluxo que usa Gemini Canvas e XR Blocks para gerar protótipos WebXR interativos para Android XR em menos de 60 segundos. A ferramenta será demonstrada no ACM CHI 2026 e já está disponível para testes.
O Google Research apresentou uma nova solução de analytics privado que combina criptografia e TEEs para garantir que apenas dados agregados e anônimos sejam acessados, elevando o padrão de privacidade em serviços on-device.
Google Research abriu o código do framework de hidrologia usado no Flood Hub, permitindo que serviços meteorológicos nacionais criem previsões de enchentes com IA própria e dados locais.
O Google apresentou um framework de agentic RAG para o Gemini Enterprise Agent Platform que aumenta em até 34% a precisão em datasets de factualidade. O sistema busca informações de forma iterativa em múltiplas fontes antes de responder.
Estudo do Google Research publicado na Nature Cities mostra que coordenar uma pequena fração das rotas no Google Maps melhora o trânsito e reduz emissões em 10 cidades americanas.
Google Research mostra como a ferramenta de IA ERA ajuda cientistas a prever doenças respiratórias e atuar em áreas como cosmologia e neurociência. Sistema já participa de desafios oficiais do CDC nos EUA.
Google publica na Nature artigo sobre o ERA, ferramenta de IA que escreve e otimiza código científico com Gemini, e libera protótipo Computational Discovery no Google Labs.
Google Research lança ConvApparel, dataset e framework que quantificam a lacuna de realismo em simuladores de usuário baseados em LLM, reduzindo a dependência de testes humanos caros e lentos no treinamento de agentes conversacionais.