O Google publicou um relatório técnico para a família de modelos Gemma 4. O documento está disponível no arXiv.
Google publica relatório técnico do Gemma 4
Google lança TimesFM-3, um modelo de base para séries temporais multivariadas com zero-shot e 330M de parâmetros
A Google Research lançou o TimesFM-3, um modelo de base para séries temporais com 330 milhões de parâmetros que prevê múltiplas séries relacionadas em uma única passagem direta. Diferente das versões univariadas anteriores, ele é pré-treinado nativamente para previsão multivariada em mais de 1 trilhão de pontos temporais e aceita múltiplos alvos, covariados passados e covariados passados-futuros sem ajuste fino específico para a tarefa.
Google DeepMind disponibiliza o modelo de IA WeatherNext para previsão de ciclones
O Google DeepMind e o Google Research disponibilizaram os modelos de IA WeatherNext 2 e WeatherNext Cyclones, que alcançaram precisão de ponta na previsão de trajetórias, intensidade e estrutura do vento de ciclones tropicais. Publicado na Nature, o trabalho demonstra que esses modelos fornecem aos meteorologistas um dia extra de precisão preditiva em comparação com sistemas anteriores.
Gemma 3 introduz visão, contexto longo e desempenho aprimorado
O Google DeepMind lançou o relatório técnico do Gemma 3, apresentando uma atualização multimodal para a família de modelos abertos leves Gemma, que varia de 1 a 27 bilhões de parâmetros. Esta versão adiciona compreensão visual, suporta pelo menos 128K tokens de contexto e modifica a arquitetura para reduzir o uso de memória KV-cache.
Google lança o EnvHarness para adaptar ambientes de agentes estáticos ao treinamento
Uma equipe da Google Cloud AI Research, da Washington University em St. Louis e da UNC Chapel Hill lançou o EnvHarness, uma camada programável que transforma benchmarks de agentes estáticos em mundos de treinamento adaptativos. O sistema envolve ambientes existentes usando componentes plug-in que operam estritamente por meio da interface padrão reset() e step(), permitindo que o ambiente se adapte ao treinamento da política sem alterar o simulador subjacente ou os verificadores construídos por humanos.
Detector AcroMELD recupera campos de formulários interativos em PDFs planos
O pesquisador independente Samuel A. lançou o AcroMELD, um modelo de 39,4 milhões de parâmetros projetado para recuperar campos de formulários interativos dentro de PDFs planos que parecem ser formulários, mas não são realmente preenchíveis.