标签
谷歌发布了一门70分钟的官方免费课程，系统讲解如何构建7×24全自动运行的生产级Agent，涵盖状态持久化、长时自主循环、MCP架构与多智能体协同五大工程核心。
Google 正在开放其 Android 注册应用商店计划的报名通道，该计划将于 12 月 1 日正式启动，设有严格的安全要求并收取每年 10,000 美元的费用。不过，该计划仅在美国以外地区提供，并且要求使用 Android 17 QPR2 或更高版本。
Project Zero 比较了 LLM 驱动的漏洞挖掘系统 BigSleep 与生成式模糊测试工具 Fuzzilli 在 V8 上的表现：六个月内 BigSleep 发现 45 个漏洞、Fuzzilli 37 个，两者结果存在明显重叠但仍各自独有大量发现，结论是模糊测试与 LLM 互为补充。
WIRED评测团队精选了2026年黑色星期五的最佳早期优惠，涵盖经过实测的AirTags、AirPods、Pixel 10手机和无线充电器等产品，并提供哪些折扣可能进一步降低的建议。
Google 推出 EmbeddingGemma 2，一个统一文本、图像、音频与视频表示的开源多模态嵌入模型，采用简化逐层嵌入与多阶段训练课程，在各模态基准上建立新的帕累托前沿，性能超越大 2 至 12 倍的模型。
谷歌研究人员提出了一种无需数据的同策略自蒸馏框架，让大语言模型根据粗略的主题描述，自行合成由查询和特权推理轨迹组成的训练课程，从而在无需外部监督的情况下，在文本和多模态基准测试中实现自我提升。
WIRED 评测了 Google 的 Fitbit Edge 运动手环，称赞其屏幕、7 天续航、健康功能以及可维修设计，但最终认为对于日常佩戴，评测者仍然更偏爱无屏幕的 Fitbit Air。
Wired 提供实用技巧，帮助用户解决 Apple CarPlay 和 Android Auto 导致手机发热和电池消耗过快的问题，包括使用有线连接、设置充电限制以及合理放置手机位置等建议。
谷歌更新后的隐私政策删除了其长期以来不将 Gmail、云端硬盘和相册中的个人数据用于广告个性化的承诺，为利用此类数据进行定向广告投放打开了大门，尤其是通过其“个人智能”（Personal Intelligence）功能。
Google在芬兰Muhos地区330公顷的森林中非法皆伐25万棵树，用于建设数据中心，且未完成环境影响评估。此事引发芬兰当局下达停工令，并激起全国对AI数据中心建设热潮的愤怒。
谷歌建议，位于不列颠哥伦比亚省和曼尼托巴省等已永久采用夏令时的加拿大省份的安卓用户更新设备并调整时区设置，以纠正时钟显示不准确的问题。
Google 发布了官方的 Rust 风格指南，涵盖代码组织、导入、格式化、所有权/借用模式、API 设计以及类型约定，旨在 Google 的规模下编写符合 Rust 惯用风格的代码。
Google 发布 Gemini 4 Argon，可在 Antigravity 中自主完成多轮系统级工程任务，包括将 1980 年代 Fortran 代码重构为 Rust、多语言文档本地化以及对 google/adk-python 的性能优化与缺陷修复。
一名用户分享了一段与 Gemini 的对话，内容显示，相比奥萨马·本·拉登，该模型更愿意针对一名利用 Google Gemini 进行模型蒸馏的人，凸显出其在安全对齐方面的回应存在疑问。
谷歌DeepMind CEO Demis Hassabis 今年5月在斯坦福预测AGI将在2030年（±1年）实现，三个月后他交出了DeepMind的日常运营，本文通过7个问题解析他为何在终点临近时离职。
Google 开源了 ARTEMIS，一个可通过 MCP 接入 Claude Code、Codex、Cursor 等工具的安卓设备操作 Agent，支持自动点击滑动、跨 App 任务执行与自动化测试，在 AndroidWorld 基准上完成率超过 99%。
Sundar Pichai 感谢 Alex Kantrowitz 邀请他参加 Big Technology Podcast，对话涵盖了 Google 对人工智能前沿的投入、接近递归自我改进（RSI）的程度，以及如何在 DeepMind 的算力需求与 Google Cloud 的利润之间取得平衡。
Google 首席执行官 Sundar Pichai 探讨了公司在前沿 AI 领域的投入，介绍了 Gemini 4 Argon 模型，并解释了 Google 如何放弃短期云收入，将算力分配给前沿研究，同时谈及与 OpenAI 的竞争、与 Anthropic 和 Apple 的合作伙伴关系，以及未来的 AI 产品。
Google 与 Meta 合作开发 TorchTPU，这是一个面向 Google TPU 的开源原生 PyTorch 后端，支持开箱即用的运行、eager 模式以及与 torch.compile 的集成，性能具有竞争力，取代了 PyTorch/XLA 的诸多限制。