Google（谷歌）

Uniform Laws of Large Numbers in Product Spaces

乘积空间中的统一大数定律

Ron Holzman, Shay Moran, Alexander Shlimovich

机构 * Department of Mathematics, Technion（技术学院数学系） ； Departments of Mathematics, Computer Science, and Data and Decision Sciences, Technion and Google Research（技术学院数学、计算机科学和数据与决策科学系及谷歌研究） 纠错

AI总结 本文研究乘积空间中的一致收敛现象，证明在特定分布假设下，事件族的一致大数定律成立当且仅当其线性VC维有限。

Dialogue to Question Generation for Evidence-based Medical Guideline Agent Development

对话到问题生成用于基于证据的医疗指南代理开发

Zongliang Ji, Ziyang Zhang, Xincheng Tan, Matthew Thompson, Anna Goldenberg, Carl Yang, Rahul G. Krishnan, Fan Zhang

机构 * Google Research（谷歌研究） ； University of Toronto（多伦多大学） ； Vector Institute Canada（加拿大向量研究所） ； Emory University（埃默里大学） 纠错

AI总结 本文探讨利用大语言模型生成基于证据的问题，以辅助医生在短时间内进行诊疗决策，通过两种提示策略评估模型效果，结果显示LLM能生成具有临床意义的问题，有助于减轻医生认知负担。

Comments 9 pages. To appear in Proceedings of Machine Learning Research (PMLR), Machine Learning for Health (ML4H) Symposium 2025

Journal ref Proceedings of Machine Learning Research 2025

An In-Depth Study of Filter-Agnostic Vector Search on a PostgreSQL Database System: [Experiments and Analysis]

对PostgreSQL数据库系统中滤波无关向量搜索的深入研究：[实验与分析]

Duo Lu, Helena Caminal, Manos Chatzakis, Yannis Papakonstantinou, Yannis Chronis, Vaibhav Jain, Fatma Özcan

机构 * Brown University Providence Rhode Island USA ； Google Sunnyvale California USA ； Google San Diego California USA ； ETH Zurich \& Google Zurich Switzerland ； Google Bangalore India ； Brown University ； Google ； ETH Zurich \& Google 纠错

AI总结 本文研究滤波无关向量搜索在生产级PostgreSQL系统中的性能，发现距离计算成本并非唯一决定因素，系统级开销和过滤操作影响更大，指出图算法在实际中表现不如聚类索引。

Comments 26 pages, 13 figures, to be published at SIGMOD 2026

Do 3D Large Language Models Really Understand 3D Spatial Relationships?

三维大语言模型真的能理解三维空间关系吗？

Xianzheng Ma, Tao Sun, Shuai Chen, Yash Bhalgat, Jindong Gu, Angel X Chang, Iro Armeni, Iro Laina, Songyou Peng, Victor Adrian Prisacariu

机构 * VGG（视觉信息组） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学） ； Simon Fraser University（西蒙弗雷泽大学） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文挑战了3D-LLM对三维空间关系的理解能力，提出Real-3DQA基准测试，发现现有模型在去除简单线索后表现不佳，并提出3D重加权训练目标以提升空间推理能力。

Comments ICLR 2026