Google（谷歌）

FIT: A Large-Scale Dataset for Fit-Aware Virtual Try-On

FIT：一个大规模用于考虑服装适配性的虚拟试穿数据集

Johanna Karras, Yuanhao Wang, Yingwei Li, Ira Kemelmacher-Shlizerman

机构 * University of Washington（华盛顿大学） ； Google Research（谷歌研究院） 纠错

AI总结 本文提出FIT数据集，通过合成策略生成大规模虚拟试穿图像三元组，用于训练考虑服装适配性的虚拟试穿模型，提升服装适配性评估能力。

Comments SIGGRAPH 2026

Differentially Private Language Generation and Identification in the Limit

在极限下实现差分隐私的语言生成与识别

Anay Mehrotra, Grigoris Velegkas, Xifan Yu, Felix Zhou

机构 * Stanford University（斯坦福大学） ； Google Research（谷歌研究院） ； Yale University（耶鲁大学） 纠错

AI总结 研究在极限下语言生成与识别的差分隐私约束，发现隐私生成无定性代价但有量化成本，而识别在极限下隐私导致根本障碍，区分了对抗与随机设置。

Exponential quantum advantage in processing massive classical data

指数级量子优势在处理大规模经典数据中的应用

Haimeng Zhao, Alexander Zlokapa, Hartmut Neven, Ryan Babbush, John Preskill, Jarrod R. McClean, Hsin-Yuan Huang

机构 * California Institute of Technology（加州理工学院） ； Google Quantum AI（谷歌量子人工智能） ； Massachusetts Institute of Technology（麻省理工学院） ； Oratomic 纠错

AI总结 本文证明了小型量子计算机可通过实时处理样本实现大规模分类和降维，而经典计算机需指数级更大规模才能达到相同性能，且在实际应用中展示了显著的效率提升。

Comments 144 pages, including 9 pages of main text and 10 figures. Code available at https://github.com/haimengzhao/quantum-oracle-sketching

Google, AI Literacy, and the Learning Sciences: Multiple Modes of Research, Industry, and Practice Partnerships

谷歌、人工智能素养与学习科学：多种研究、产业与实践伙伴关系模式

Victor R. Lee, Michael Madaio, Ben Garside, Aimee Welch, Kristen Pilner Blair, Ibrahim Oluwajoba Adisa, Alon Harris, Kevin Holst, Liat Ben Rafael, Ronit Levavi Morad, Ben Travis, Belle Moller, Andrew Shields, Zak Brown, Lois Hinx, Marisol Diaz, Evan Patton, Selim Tezel, Robert Parks, Hal Abelson, Adam Blasioli, Jeremy Roschelle

机构 * Stanford University（斯坦福大学） ； Google Research（谷歌研究） ； Raspberry Pi Foundation（树莓派基金会） ； Google DeepMind Impact Accelerator（谷歌DeepMind影响力加速器） ； Phantom LLC（Phantom有限责任公司） ； Massachusetts Institute of Technology（麻省理工学院） ； New York Jobs CEO Council（纽约就业CEO委员会） ； Digital Promise 纠错

AI总结 本文探讨谷歌在人工智能素养领域的多模式研究与产业合作，分析伙伴关系在生命周期中的交汇点、影响方向的因素及未来合作机会。

Decisions and Deployment: The Five-Year SAHELI Project (2020-2025) on Restless Multi-Armed Bandits for Improving Maternal and Child Health

决策与部署：为期五年的SAHELI项目（2020-2025）研究 restless multi-armed bandits 以改善母婴健康

Shresth Verma, Arpan Dasgupta, Neha Madhiwalla, Aparna Taneja, Milind Tambe

机构 * Harvard University（哈佛大学） ； Google Deepmind（谷歌DeepMind） ； ARMMAN 纠错

AI总结 SAHELI项目利用决策聚焦学习方法优化资源分配，通过大规模随机对照试验发现该方法使母婴参与度下降减少31%，显著提升实际健康行为。

ZipMap: Linear-Time Stateful 3D Reconstruction via Test-Time Training

ZipMap: 通过测试时训练实现线性时间的态持久3D重建

Haian Jin, Rundi Wu, Tianyuan Zhang, Ruiqi Gao, Jonathan T. Barron, Noah Snavely, Aleksander Holynski

机构 * Google DeepMind（谷歌DeepMind） ； Cornell University（康奈尔大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 ZipMap通过测试时训练层实现线性时间双向3D重建，效率超过二次时间方法，能在10秒内处理700多帧。

Comments Project page: https://haian-jin.github.io/ZipMap

Towards a Science of Scaling Agent Systems

迈向代理系统的科学：扩展性研究

Yubin Kim, Ken Gu, Chanwoo Park, Chunjong Park, Samuel Schmidgall, A. Ali Heydari, Yao Yan, Zhihan Zhang, Yuchen Zhuang, Yun Liu, Mark Malhotra, Paul Pu Liang, Hae Won Park, Yuzhe Yang, Xuhai Xu, Yilun Du, Shwetak Patel, Tim Althoff, Daniel McDuff, Xin Liu

机构 * Google Research（谷歌研究院） ； Massachusetts Institute of Technology（麻省理工学院） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文通过260种配置评估六种代理基准，探讨代理系统在扩展维度上的性能变化规律，揭示协调、模型能力与任务结构之间的关系，发现协作成功取决于协调与任务结构的匹配程度。